文章目录
- Tensor类的组成
- Tensor类设计
- 数据顺序(行主序/列主序)
- 使用单元测试
- Tensor类方法描述
- C++中的类模板
- 张量创建
- 单元测试
- 返回维度信息
- 单元测试
- 返回张量中的数据
- 单元测试
- 张量填充
- 单元测试
- reshape
- 单元测试
- 逐元素处理
- 单元测试
- 其他辅助函数
- 判空
- 返回数据存储的起始位置
- 返回张量的shape
- 练习
- Flatten
- Padding
- 参考
Tensor类的组成
张量的数据按照channels,rows,cols的顺序排放,主要包含以下部分:
- 数据,可以是double,float或int
- shape信息
- 各种类方法,例如返回张量的形状、填充张量数据和reshape等。
Tensor类设计
Tensor类需要提供高效的矩阵计算算法,同时也应该在软件工程的层面上优化接口。
Kuiperinfer中的张量是以arma::fcube
为基础进行开发的,三维的arma::fcube
是由多个二维的matrix
在channel维度叠加形成的。
fcube
即Cube<float>
的简写,是armadillo做的typedef。其constructor形式为
cube(n_rows, n_cols, n_slices)
,分别对应行、列、通道数。
对这样的一个Tensor类,需要进行以下工作:
- 提供对外接口,在
fcube
类的基础上进行; - 封装矩阵计算,提供更友好的数据访问和使用接口。
类定义:
template <>
class Tensor<float> {
public:
uint32_t rows() const;
uint32_t cols() const;
uint32_t channels const;
uint32_t size() const;
void set_data(const arma::fcube& data);
...
private:
std::vector<uint32_t> raw_shapes_; // 数据的shape
arma::fcube data_; // 数据存储
// 在变量名后面加下划线是c++中常见的一种命名规范,用于说明该变量为类的数据成员,而不是方法成员;另一种常见的命名方法为m_data
}
数据顺序(行主序/列主序)
矩阵存储有两种形式:行主序和列主序。行主序先填行,列主序先填列。
armadillo是默认列主序的,而PyTorch是行主序的,想要和PyTorch对齐,应当做出一些调整。
使用单元测试
在VS中配置单元测试的方法:
-
打开CourseLists.txt文件,在文件的最后一行添加
gtest_discover_tests(kuiper_datawhale_course2) // 参数对应前面add_executable中的项目名称
-
在CMake设置中,设置
将生成输出复制回本地计算机
为true;或者编辑CMakeSettings.json,在对应的配置字典中添加"remoteCopySources": true,
-
生成项目,此时项目文件夹中应该会多出一个out/build文件夹。
-
测试 > 测试资源管理器,可以看到项目中所有的测试
可以顺带在选项 > 适用于Google Test的测试适配器 > 并行化中,设置并行测试执行为True,可以加快多个测试的运行速度
Tensor类方法描述
主要包含下面几类方法:
- 张量创建(constructor)
- 返回维度信息
- 获取张量数据
- 填充数据
- element-wise处理
- reshape
- 辅助函数:判空、返回地址、shape
- Flatten
- Padding
C++中的类模板
C++中的模板类以下面的代码开头
template <typename Type>
此时,类外类方法成员的限定符也应该从ClassName::
改为ClassName<Type>::
。
在Kuiperinfer的代码实现中,Tensor
模板类的定义如下:
template <typename T = float>
class Tensor; // 模板类声明,T为模板参数,float为模板参数默认值
template <>
class Tensor<float>{}; // template specialization,模板具体化,使用具体的类型(这里是float)给出对应的类定义
张量创建
张量创建方法通过构造函数(constructor)来实现;当程序声明对象时,会自动调用符合传入参数的构造函数;在对象被销毁时,会调用析构函数。
在Tensor类中,需要实现以下几种传参的构造函数:
- 一维张量
- 二维张量
- 三维张量
为方便起见,在底层都使用三维的arma::fcube
来表示,因此需要在不需要的维度填1。设shapes的参数顺序为rows, cols, channels
,实现如下:
Tensor<float>::Tensor(uint32_t size){
data_ = arma::fcube(1, size, 1); // 默认为列向量
this->raw_shapes_ = std::vector<uint32_t>{size};
}
Tensor<float>::Tensor(uint32_t rows, uint32_t cols){
data_ = arma::fcube(rows, cols, 1);
this->raw_shapes_ = std::vector<uint32_t>{rows, cols};
}
Tensor<float>::Tensor(uint32_t channels, uint32_t rows, uint32_t cols){
data_ = arma::fcube(rows, cols, channels);
this->raw_shapes_ = std::vector<uint32_t>{channels, rows, cols};
}
在头文件的声明中,这些方法都标了explicit
,从而避免错误传参导致隐式类型转换。
单元测试
在test_create_tensor.cpp中,进行张量创建的测试
- 测试对应张量的fcube形状
- 测试shapes的值
kuiperinfer源码中给出的测试代码为在LOG中输出相关信息,这里尝试用ASSERT_EQ和ASSERT_TRUE进行判别。
TEST(test_tensor, tensor_init1DEQ) {
using namespace kuiper_infer;
Tensor<float> f1(4);
f1.Fill(1.0f); // this->data_.fill(value)
const auto& shapes = f1.raw_shapes(); // return this->raw_shapes_;
std::vector<uint32_t> shapes_should_be = std::vector<uint32_t>{ 4 };
ASSERT_EQ(shapes, shapes_should_be);
const auto& data = f1.data(); // return this->data_;
arma::fcube data_should_be = arma::fcube(1, 4, 1, arma::fill::value(1.0f));
ASSERT_TRUE(approx_equal(data, data_should_be, "absdiff", 1e-6));
}
TEST(test_tensor, tensor_inti2DEQ) {
using namespace kuiper_infer;
Tensor<float> f1(4, 4);
f1.Fill(1.0f);
const auto& shapes = f1.raw_shapes();
const auto& data = f1.data();
std::vector<uint32_t> shapes_s = std::vector<uint32_t>{ 4, 4 };
arma::fcube data_s = arma::fcube(4, 4, 1, arma::fill::value(1.0f));
ASSERT_EQ(shapes, shapes_s);
ASSERT_TRUE(arma::approx_equal(data, data_s, "absdiff", 1e-6));
}
TEST(test_tensor, tensor_init3DEQ) {
using namespace kuiper_infer;
Tensor<float> f1(2, 3, 4);
f1.Fill(1.0f);
const auto& shapes = f1.raw_shapes();
const auto& data = f1.data();
std::vector<uint32_t> shapes_s = std::vector<uint32_t>{ 2, 3, 4 };
arma::fcube data_s = arma::fcube(3, 4, 2, arma::fill::value(1.0f));
ASSERT_EQ(shapes, shapes_s);
ASSERT_TRUE(arma::approx_equal(data, data_s, "absdiff", 1e-6));
}
返回维度信息
实现以下方法:
rows()
cols()
channels()
size()
其实直接返回shapes里存储的值也可以
uint32_t Tensor<float>::rows const{
CHECK(!this->data_.empty()); // CHECK dies with a fatal error if the condition not true
return this->data_.n_rows;
}
uint32_t Tensor<float>::cols const{
CHECK(!this->data_.empty());
return this->data_.n_cols;
}
uint32_t Tensor<float>::channels const{
CHECK(!this->data_.empty());
return this->data_.n_slices;
}
uint32_t Tensor<float>::size() const{
CHECK(!this->data_.empty());
return this->data_.size();
}
单元测试
TEST(test_tensor_size, tensor_size1) {
using namespace kuiper_infer;
Tensor<float> f1(2, 3, 4);
ASSERT_EQ(f1.channels(), 2);
ASSERT_EQ(f1.rows(), 3);
ASSERT_EQ(f1.cols(), 4);
}
返回张量中的数据
实现以下方法:
-
slice(uint32_t channel)
,返回对应channel的数据,返回类型为arma::fmat
-
at(uint32_t channel, uint32_t row, uint32_t col)
,返回对应(channel, row, col)的数据
const arma::fmat Tensor<float>::slice(uint32_t channel) const{
CHECK_LT(channel, this->channels());
return this->data_.slice(channel);
}
float Tensor<float>::at(uint32_t channel, uint32_t row, uint32_t col) const{
CHECK_LT(channel, this->channels());
CHECK_LT(row, this->rows());
CHECK_LT(col, this->cols());
return this->data_.at(row, col, channel);
}
arma::fcube Tensor<float>::data() const{
return this->data_;
}
单元测试
TEST(test_tensor_values, tensor_values1) {
using namespace kuiper_infer;
Tensor<float> f1(2, 3, 4);
f1.Fill(1.0f);
ASSERT_EQ(1, f1.at(1, 1, 1));
const auto& mat = f1.slice(0);
arma::fmat mat_s = arma::fmat(3, 4, arma::fill::value(1.0f));
ASSERT_TRUE(arma::approx_equal(mat, mat_s, "absdiff", 1e-6));
}
张量填充
实现以下方法:
Fill(float value)
Fill(const std::vector<float>& values, bool row_major)
Rand()
Ones()
-
values(bool row_major)
:返回特定顺序的值
第二个参数用于控制填充顺序,如果为true
则按行主序填充
void Tensor<float>::Fill(float value){
CHECK(!this->data_.empty());
this->data_.fill(value)
}
void Tensor<float>::Rand(){
CHECK(!this->data_.empty());
this->data_.randn();
}
void Tensor<float>::Ones(){
CHECK(!this->data_.empty());
this->Fill(1.0f);
}
void Tensor<float>::Fill(const std::vector<float>& values, bool row_major){
CHECK(!this->data_.empty());
const uint32_t total_elems = this->data_size();
CHECK_EQ(values.size(), total_elems);
if(row_major){
const uint32_t rows = this->rows();
const uint32_t cols = this->cols();
const uint32_t planes = rows * cols;
const uint32_t channels = this->data_n_slices();
for (uint32_t i = 0; i < channels; ++i){
auto& channel_data = this->data_slice(i);
const arma::fmat& channel_data_t = arma::fmat(values.data() + i * planes, this->cols(), this->rows());
channel_data = channel_data_t.t();
}
}
else{
std::copy(values.begin(), values.end(), this-data_.memptr());
// fcube本来就是列主序,所以直接copy
}
}
std::vector<float> Tensor<float>::values(bool row_major){
CHECK_EQ(this->data_.empty(), false);
std::vector<float> values(this->data_.size()); // values length shapes
if(!row_major){
std::copy(this->data_.mem, this->data_.mem + this->data_.size(), values.begin()); // 列主序直接copy
}
else{
uint32_t index = 0;
for (uint32_t c = 0; c < this->data_.n_slices; ++c){ // 转序每个channel
const arma::fmat& channel = this->data_.slice(c).t();
std::copy(channel.begin(), channel.end(), values.begin() + index);
index += channel.size();
}
CHECK_EQ(index, values.size());
}
return values;
}
单元测试
直接输出每个channel更加直观
TEST(test_fill_reshape, fill1) {
using namespace kuiper_infer;
Tensor<float> f1(2, 3, 4);
std::vector<float> values(2 * 3 * 4);
// 将1到24填充到values中
for (int i = 0; i < 24; ++i) {
values.at(i) = float(i + 1);
}
f1.Fill(values, true);
f1.Show();
}
I20240229 05:25:13.321183 2142 tensor.cpp:199] Channel: 0
I20240229 05:25:13.321188 2142 tensor.cpp:200]
1.0000 4.0000 7.0000 10.0000
2.0000