torch.cuda.jiterator._create_jit_fn

torch.cuda.jiterator._create_jit_fn(code_string, **kwargs)[源代码]

为一个元素级操作创建一个由jiterator生成的CUDA内核。

代码字符串必须是一个有效的CUDA函数，用于描述单个元素的计算过程。该字符串需要遵循C++模板模式，如下面的例子所示。此函数将被内联到逐元素内核模板中，并在运行时进行编译。编译后的内核将在内存和本地临时目录中缓存。

Jiterator生成的内核可以处理非连续张量，并支持广播和类型提升功能。

参数

code_string (str) – 需要由 jiterator 编译的 CUDA 代码字符串。入口函数必须通过值返回。
kwargs (Dict, 可选) – 用于生成函数的关键词参数

返回类型

Callable

示例：

code_string = "template <typename T> T my_kernel(T x, T y, T alpha) { return -x + alpha * y; }"
jitted_fn = create_jit_fn(code_string, alpha=1.0)
a = torch.rand(3, device='cuda')
b = torch.rand(3, device='cuda')
# invoke jitted function like a regular python function
result = jitted_fn(a, b, alpha=3.14)

code_string 允许定义多个函数，其中最后一个函数会被视为入口函数。

示例：

code_string = "template <typename T> T util_fn(T x, T y) { return ::sin(x) + ::cos(y); }"
code_string += "template <typename T> T my_kernel(T x, T y, T val) { return ::min(val, util_fn(x, y)); }"
jitted_fn = create_jit_fn(code_string, val=0.0)
a = torch.rand(3, device='cuda')
b = torch.rand(3, device='cuda')
# invoke jitted function like a regular python function
result = jitted_fn(a, b)  # using default val=0.0

Jiterator 可以与 Python 注册结合使用，来覆盖操作符的 CUDA 内核。下面的例子展示如何用 relu 覆盖 gelu 的 CUDA 内核。

示例：

code_string = "template <typename T> T my_gelu(T a) { return a > 0 ? a : 0; }"
my_gelu = create_jit_fn(code_string)
my_lib = torch.library.Library("aten", "IMPL")
my_lib.impl('aten::gelu', my_gelu, "CUDA")
# torch.nn.GELU and torch.nn.function.gelu are now overridden
a = torch.rand(3, device='cuda')
torch.allclose(torch.nn.functional.gelu(a), torch.nn.functional.relu(a))

警告

此 API 处于 beta 阶段，未来版本可能有所更改。

警告

此 API 最多支持 8 个输入和 1 个输出。

警告