主要介绍了pytorch中使用cuda扩展的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

参考PyTorch GraphSAGE实现 作者：威廉·汉密尔顿 基准PyTorch实施 。 此参考实现的速度不如大型图的TensorFlow版本快，但该代码更易于阅读，并且在小图基准测试中表现更好（在速度方面）。 与TensorFlow版本相比，该代码还旨在更简单，更可扩展且更易于使用。 当前，仅实现了GraphSAGE-mean和GraphSAGE-GCN的受监管版本。 要求 pytorch> 0.2是必需的。 运行示例 执行python -m graphsage.model来运行C

以下面这个例子作为教程，实现功能是element-wise add； （pytorch中想调用cuda模块，还是用另外使用C编写接口脚本） 第一步：cuda编程的源文件和头文件 // mathutil_cuda_kernel.cu // 头文件，最后一个是cuda特有的 #include #include #include #include #include mathutil_cuda_kernel.h // 获取GPU线程通道信息 dim3 cuda_gridsize(int n)