Pytorch：为什么`tensor`变量占用的内存这么小？答案

【问题标题】：Pytorch: Why is the memory occupied by the `tensor` variable so small?Pytorch：为什么`tensor`变量占用的内存这么小？
【发布时间】：2019-06-19 01:56:39
【问题描述】：

在 Pytorch 1.0.0 中，我发现一个 tensor 变量占用的内存非常小。我想知道它是如何存储这么多数据的。这是代码。

a = np.random.randn(1, 1, 128, 256)
b = torch.tensor(a, device=torch.device('cpu'))

a_size = sys.getsizeof(a)
b_size = sys.getsizeof(b)

a_size 是 262288。b_size 是 72。

【问题讨论】：

标签： python numpy pytorch tensor numpy-ndarray

【解决方案1】：

答案分为两部分。来自sys.getsizeof的文档，首先

所有内置对象都将返回正确的结果，但这对于第三方扩展不一定成立，因为它是特定于实现的。

因此，对于张量 __sizeof__ 而言，可能未定义或定义与您预期的不同 - 此函数不是您可以依赖的。其次

只考虑直接归因于对象的内存消耗，而不考虑它所引用的对象的内存消耗。

这意味着如果torch.Tensor 对象仅包含对实际内存的引用，则不会在sys.getsizeof 中显示。确实如此，如果您改为检查底层storage 的大小，您将看到预期的数字

import torch, sys
b = torch.randn(1, 1, 128, 256, dtype=torch.float64)
sys.getsizeof(b)
>> 72
sys.getsizeof(b.storage())
>> 262208

注意：我将dtype 明确设置为float64，因为这是numpy 中的默认dtype，而torch 默认使用float32。

【讨论】：

真的很棒的答案，会给指向storage 的指针再+1。非常有帮助！