截断pytorch张量的SVD分解而不转移到cpu

Question

我正在Pytorch中训练模型，我想使用输入的截断SVD分解。为了计算SVD，我将输入的是Pytorch Cuda张量传输到CPU，然后使用TruncatedSVD中的scikit-learn执行截断，然后将结果传输回GPU。以下是我的模型的代码：

 class ImgEmb(nn.Module):
    def __init__(self, input_size, hidden_size):
        super(ImgEmb, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.drop = nn.Dropout(0.2)
        self.mlp = nn.Linear(input_size/2, hidden_size)
        self.relu = nn.Tanh()
        self.svd = TruncatedSVD(n_components=input_size/2)

    def forward(self, input):
        svd=self.svd.fit_transform(input.cpu())
        svd_tensor=torch.from_numpy(svd)
        svd_tensor=svd_tensor.cuda()
        mlp=self.mlp(svd_tensor)
        res = self.relu(mlp)
        return res

我想知道是否可以在不往返于GPU的情况下实现截断的SVD吗？ （因为这很耗时并且根本没有效率）

Answer 1

[您可以直接使用PyTorch的SVD并手动截断它，也可以将TensorLy中的截短的SVD与PyTorch后端一起使用：