Meilleure conversion entre LuaJIT ffi cdata et torche Tensor

Question

Quelle est la meilleure façon d'effectuer la conversion entre LuaJIT ffi cdata [1] et Torch Tensor [2]. Selon la réponse de Mike dans lua-user mail list [3], si nous voulons vraiment convertir cdata en lua plain table, nous devons faire une boucle pour copier chaque élément à un nouveau créé. Et en fait Torch Tensor fournit une interface pour un meilleur accès à LuaJIT ffi [4]. Donc, ma solution actuelle est de faire une boucle d'abord et de convertir le cdata en une table plain lua, puis d'appeler la fonction de construction tensorielle qui crée un tenseur à partir d'une table [5].

Mais en fait dans mon cas, j'ai besoin de faire une conversion similaire entre LuaJIT ffi cdata et Torch Tensor très fréquemment, y at-il une meilleure approche plutôt que la copie en boucle?

• [1] http://luajit.org/ext_ffi_api.html (Creating cdata Objects Section)
• [2] https://github.com/torch/torch7/blob/master/doc/tensor.md
• [3] http://lua-users.org/lists/lua-l/2011-03/msg00584.html
• [4] https://github.com/torch/torch7/blob/master/doc/tensor.md#luajit-ffi-access
• [5] https://github.com/torch/torch7/blob/master/doc/tensor.md#torchtensortable

Answer 1

Si votre cdata représente un tableau contigu de données, vous pouvez utiliser ffi.copy. Voici un exemple de jouet:

require 'torch' 
ffi = require 'ffi' 

-- create a random float array 
n = 3 
x = torch.rand(n):float() 
cdata = x:data() 
assert(type(cdata) == 'cdata') 

-- copy this cdata into a destination tensor 
y = torch.FloatTensor(n) 
ffi.copy(y:data(), cdata, n*ffi.sizeof('float')) 

assert(x:equal(y))