【pytorch】relu的实现逻辑

被制作时长两年半的个人练习生2024-09-28 10:36

笔者最近在尝试实现AlexNet的底层算子，基于pytorch的框架，本文主要记录一下pytorch中是如何实现relu算子的。

首先最外层是位于torch\nn\modules\activation.py，主要代码如下：

py 复制代码

    __constants__ = ["inplace"]
    inplace: bool

    def __init__(self, inplace: bool = False):
        super().__init__()
        self.inplace = inplace

    def forward(self, input: Tensor) -> Tensor:
        return F.relu(input, inplace=self.inplace)

    def extra_repr(self) -> str:
        inplace_str = "inplace=True" if self.inplace else ""
        return inplace_str

调用的是位于torch\nn\functional.py的如下代码：

py 复制代码

def relu(input: Tensor, inplace: bool = False) -> Tensor:  # noqa: D400,D402
    r"""relu(input, inplace=False) -> Tensor

    Applies the rectified linear unit function element-wise. See
    :class:`~torch.nn.ReLU` for more details.
    """
    if has_torch_function_unary(input):
        return handle_torch_function(relu, (input,), input, inplace=inplace)
    if inplace:
        result = torch.relu_(input)
    else:
        result = torch.relu(input)
    return result

然后调用的是aten\src\ATen\native\Activation.cpp的如下代码：

复制代码

Tensor relu(const Tensor & self) {
  TORCH_CHECK(self.scalar_type() != at::kBool, "Boolean inputs not supported for relu");
  return at::clamp_min(self, 0);
}

可以看到，主要就是一个大小的比较。

pytorch调试工具

先说问题，只能看到python的处理逻辑，不能看到底层的C++的处理逻辑。

如何使用，参考的是这篇文章。注意，pdb虽然是python内置的包，但是仍然需要通过import pdb导入才能使用。

还有一个问题就是，pytorch是如何通过python代码调用C++代码的，留到下一篇博文更新。