高效Tensor张量生成
Efficient Tensor Creation
从C++中的Excel数据中创建Tensor张量的方法有很多种，在简单性和性能之间都有不同的折衷。本文讨论了一些方法及其权衡。
提示
继续阅读之前请务必阅读C++指南
将数据直接写入Tensor张量
如果能做到这一点就更好了。
不要复制数据或包装现有数据，而是直接将数据写入Tensor张量。
正向
对于进程内和进程外的执行，这将在没有副本的情况下工作
没有内存对齐要求
不需要使用删除程序
反向
可能需要对现有的应用程序进行大量的重构，才能使其正常工作
实例
可以将数据直接接收到Tensor张量的底层缓冲区中：
// Allocate a tensor
auto tensor = allocator->allocate_tensor<float>({6, 6});
// Get a pointer to the underlying buffer
auto data = tensor->get_raw_data_ptr();
// Some function that writes data directly into this buffer
recv_message_into_buffer(data);
或者可以手动填写Tensor张量：
// Allocate a tensor
auto tensor = allocator->allocate_tensor<float>({256, 256});
const auto &dims = tensor->get_dims();
// Get an accessor
auto accessor = tensor->accessor<2>();
// Write data directly into it
for (int i = 0; i < dims[0]; i++)
{
for (int j = 0; j < dims[1]; j++)
{
accessor[i][j] = i * j;
}
}
甚至可以将其与TBB并行：
// Allocate a tensor
auto tensor = allocator->allocate_tensor<float>({256, 256});
const auto &dims = tensor->get_dims();
// Get an accessor
auto accessor = tensor->accessor<2>();
// Write data into the tensor in parallel
tbb::parallel_for(
// Parallelize in blocks of 16 by 16
tbb:blocked_range2d<size_t>(0, dims[0], 16, 0, dims[1], 16),
// Run this lambda in parallel for each block in the range above
[&](const blocked_range2d<size_t>& r) {
for(size_t i = r.rows().begin(); i != r.rows().end(); i++)
{
for(size_t j = r.cols().begin(); j != r.cols().end(); j++)
{
accessor[i][j] = i * j;
}
}
}
);
包装现有内存
如果已经在某个缓冲区中保存了数据，那么这个方法很好。
正向
在进程内执行期间，这将在没有副本的情况下工作
如果已经有数据很容易做到
反向
需要了解什么是删除者以及如何正确使用
为了有效地使用TF，数据需要64字节对齐
注意：这不是一个硬性要求，但是TF可以在引擎盖下复制未对齐的数据
与#1相比，这会在进程外执行期间生成一个额外的副本
实例
从cv：：Mat包装数据：
cv::Mat image = ... // An image from somewhere
auto tensor = allocator->tensor_from_memory<uint8_t>(
// Dimensions
{1, image.rows, image.cols, image.channels()},
// Data
image.data,
// Deleter
[image](void * unused) {
// By capturing `image` in this deleter, we ensure
// that the underlying data does not get deallocated
// before we're done with the tensor.
}
);
将数据复制到Tensor张量中
正向
很容易做到
无内存对齐要求
不需要使用删除程序
反向
在进程内执行期间总是生成一个额外的副本
与#1相比，这会在进程外执行期间生成一个额外的副本（尽管此副本是由用户显式编写的）
实例
从cv：：Mat复制：
cv::Mat image = ... // An image from somewhere
auto tensor = allocator->allocate_tensor<uint8_t>(
// Dimensions
{1, image.rows, image.cols, image.channels()}
);
// Copy data into the tensor
tensor->copy_from(image.data, tensor->get_num_elements());
该用哪一个？
一般来说，按业绩衡量的方法顺序如下：
直接将数据写入Tensor张量
包装现有内存
将数据复制到Tensor张量中
也就是说，分析是朋友。
简单性和性能之间的折衷对于大Tensor张量和小Tensor张量也是不同的，因为副本对于小Tensor张量更便宜。