使用 torch.Tensor

​

pytorch、张量与 torch.Tensor

Comfy 的所有核心数值计算都是由 pytorch 完成的。如果你的自定义节点需要深入 stable diffusion 的底层，你就需要熟悉这个库，这远超本简介的范围。

不过，许多自定义节点都需要操作图像、潜变量和蒙版，这些在内部都表示为 torch.Tensor，因此你可能需要收藏 torch.Tensor 的官方文档。

​

什么是张量？

torch.Tensor 表示张量，张量是向量或矩阵在任意维度上的数学泛化。张量的 秩（rank）是它的维度数量（所以向量秩为 1，矩阵秩为 2）；它的 形状（shape）描述了每个维度的大小。

因此，一个 RGB 图像（高为 H，宽为 W）可以被看作是三组数组（每个颜色通道一组），每组大小为 H x W，可以表示为形状为 [H,W,3] 的张量。在 Comfy 中，图像几乎总是以批量（batch）形式出现（即使批量中只有一张图）。torch 总是将批量维放在第一位，所以 Comfy 的图像形状为 [B,H,W,3]，通常写作 [B,H,W,C]，其中 C 代表通道数（Channels）。

​

squeeze、unsqueeze 与 reshape

如果张量的某个维度大小为 1（称为折叠维度），那么去掉这个维度后的张量与原张量等价（比如只有一张图片的批量其实就是一张图片）。去除这种折叠维度称为 squeeze，插入一个这样的维度称为 unsqueeze。

有些 torch 代码和自定义节点作者会在某个维度折叠时返回 squeeze 过的张量——比如批量只有一个成员时。这是常见的 bug 来源！

将同样的数据以不同的形状表示称为 reshape。通常你需要了解底层数据结构，因此请谨慎操作！

​

重要符号说明

torch.Tensor 支持大多数 Python 的切片符号、迭代和其他常见的类列表操作。张量还有一个 .shape 属性，返回其大小，类型为 torch.Size（它是 tuple 的子类，可以当作元组使用）。

还有一些你经常会见到的重要符号（其中几个在标准 Python 里不常见，但在处理张量时很常用）：

• torch.Tensor 支持在切片符号中使用 None，表示插入一个大小为 1 的新维度。
• : 在切片张量时常用，表示”保留整个维度”。就像 Python 里的 a[start:end]，但省略了起止点。
• ... 表示”未指定数量的所有维度”。所以 a[0, ...] 会提取批量中的第一个元素，无论有多少维度。
• 在需要传递形状的函数中，形状通常以 tuple 形式传递，其中某个维度可以用 -1，表示该维度的大小由数据总量自动推算。

>>> a = torch.Tensor((1,2))
>>> a.shape
torch.Size([2])
>>> a[:,None].shape 
torch.Size([2, 1])
>>> a.reshape((1,-1)).shape
torch.Size([1, 2])

​

元素级操作

许多 torch.Tensor 的二元操作（包括 ’+’, ’-’, ’*’, ’/’ 和 ’==‘）都是元素级的（即对每个元素独立操作）。操作数必须是形状相同的两个张量，或一个张量和一个标量。所以：

>>> import torch
>>> a = torch.Tensor((1,2))
>>> b = torch.Tensor((3,2))
>>> a*b
tensor([3., 4.])
>>> a/b
tensor([0.3333, 1.0000])
>>> a==b
tensor([False,  True])
>>> a==1
tensor([ True, False])
>>> c = torch.Tensor((3,2,1)) 
>>> a==c
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: The size of tensor a (2) must match the size of tensor b (3) at non-singleton dimension 0

​

张量的布尔值

张量的”真值”与 Python 列表的真值不同。

你可能熟悉 Python 列表的真值：非空列表为 True，None 或 [] 为 False。而 torch.Tensor（只要有多个元素）没有定义的真值。你需要用 .all() 或 .any() 来合并元素级的真值：

>>> a = torch.Tensor((1,2))
>>> print("yes" if a else "no")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: Boolean value of Tensor with more than one value is ambiguous
>>> a.all()
tensor(False)
>>> a.any()
tensor(True)

这也意味着你需要用 if a is not None: 而不是 if a: 来判断一个张量变量是否已被赋值。