需要了解的语义和工具

语言	工具或库
C	CUDA
C++	CMake
python	BLAS

源码中常用的变量缩写

核心代码目录： /XXX/XXX/pytorch/torch

核心模块：

TH: 核心就THStorage与THTensor，辅助有THGeneral、THHalf、THAllocator、THSize
THS: 稀疏矩阵THSTensor(THLongTensor *indices; THTensor *values;)
THNN: C代码的神经网络，每种操作都前向与后向计算，以Abs为例
WITH_CUDA: TH、THS、THNN的GPU版本
WITH_NCCL: 单机上多GPU通信，支持MPI编程。单PCIe上性能最好，虽然多PCIe也可运行。
build THPP: Torch C++
build libshm: 共享管理
nanopb: 轻量级encode/decode使用Gooogle的Protocol Buffers协议来定义的结构体，以便在RAM或者代码空间中传输消息
pybind11: 轻量级的C++与Python间进行无缝调用
build ATen: C++的autograd在往这里写，整体功能不太清楚
generate_nn_wrappers():把C代码写好的神经网络(NN、CUNN)，使用C++进行封装，python能调用
C: 对C的代码进行封装，自身是C++的代码，核心为Tensor、autograd、cuda，其它有distributed、jit等；
- torch/csrc/Module.cpp封装成torch模块的方法
- torch/csrc/generic/Tensor.cpp封装成FloatTensorBase、IntTensorBase等类
DL: python可获取RTLD_GLOBAL、RTLD_NOW变量，来设置加载库的方式
THNN: torch/csrc/nn/THNN.cpp，NN的封装(generate_nn_wrappers函数生成)
THCUNN: torch/csrc/nn/THCUNN.cpp，CUNN的封装(generate_nn_wrappers函数生成)
from torch._C import *: 加载C实现的所有内容(其实是用C++再封装了一层)

需要了解的接口：

BLAS/LAPACK的接口
CUBLAS/Thrust：这个是CUDA的BLAS部分会用到。这个文档直接读NVIDIA官方的就好了
CPU张量运算库TH

这个部分是PyTorch里最底层的部分，但是也是我觉得写的最好的部分。感觉读懂这一部分其他底层的代码就都很容易读了。它用宏实现了C里的泛型支持，然后用宏+命名实现了简单的OOP。甚至在管理文件的部分还有virtual table。这个最早是从Lua版本的Torch迁移过来的，那会儿似乎还没有完整的SIMD。现在提供了完整的SIMD支持。数据结构部分主要实现了THStorage和THTensor两个。这两个是干嘛用的在PyTorch的Python文档里都有写。其实比起我们物理这边用的Tensor Network的实现要简单，因为不用连腿.... THTensor不负责存储，是一种查看存储对象（THStorage）的方法。感觉实现思路上和MXNet的backend，mshadow里的Tensor有一些类似的地方。不过因为C不支持重载，所以这里完全没有懒惰求值，当然用的时候也许会有些麻烦。这里比较有特点的地方是用宏实现的泛型。这个方法在底层的库里有广泛的使用。等到lib目录上层的代码能够使用THPP这个支持C++模板的封装以后就不会见到了。（THPP和facebook/THPP那个不一样，后者是一个C++的TH实现）。 TH主要通过宏替换，比如real（这个名字在我改成复数的时候可别扭了...然后还得小心别和cpp里的std::real一个不小心重名，然后被替换成std::double之类的东西...）真正用来实现的需要泛型的源代码写在generic目录下，然后在外面通过几个头文件里定义的宏进行不同变量名称的替换。然后还有一个比较难读的宏应该就是TH_TENSOR_APPLY这个开头的几个宏函数了。这几个比较像是在现在更上层语言里用到的map，或者broadcast。也就是把一段操作应用到每个Tensor的元素上去。为了支持不同个数的Tensor之间的运算，有好几个不同个数Tensor的。比如TH_TENSOR_APPLY_3就是说三个Tensor里要怎么做element-wise运算。然后需要注意的是，在宏函数里输入的操作部分也就是CODE部分，一定不要出现逗号，和内嵌的宏。然后TensorMath和Conv等部分的函数都和Python函数功能类似，不懂直接看Python文档就行了。 CPU神经网络库THNN 这个部分就很简单了，就是一些Python层的Function对象在底层的定义和实现。不懂的就直接查Python文档，都有对应的。自动微分部分这个是在C++里写的，然后接了Python。C++里就是实现了三个list用来存Variable啊什么的...大致思路应该是把使用过forward的函数记下来，然后后面调用backward来算梯度。所以叫Tape-based

ps：

结构上大约有两部分，一部分是Python，另外一部分是C/C++写的后端。Python的部分比较容易读，如果后面有时间再介绍。C/C++后端的多维数组库在v0.4开始用aten(a tensor library)库作为上层封装再通过torch/csrc 中的部分胶水代码接入Python（但慢慢在改为pybind11）。自动微分使用C++完成，后端采用的是一个类似于录像带的机制来记录相关操作。

后端核心代码主要在 lib 里