torch.zeros() 函数详解

torch.zeros()函数

返回一个形状为为size,类型为torch.dtype,里面的每一个值都是0的tensor

torch.zeros(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

测试一下:

>>> x=torch.zeros([2,5],dtype=torch.float)
>>> x
tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])
>>> x.stride

>>>

缺失输出 全为l0的tensor。

参数说明
size: 定义tensor的shape ,这里可以是一个list 也可以是一个tuple

dtype:(可选)我不设置值 默认值就是torch.set_default_tensor_type制定的值,如果需要设置那就是torch.dtype的那几个。作用是指定返回tensor的数据类型

layout:(可选)值为 torch.layout。 torch.layout表示torch.Tensor内存布局的对象。有torch.strided(dense Tensors 默认)并为torch.sparse_coo(sparse COO Tensors)提供实验支持。
torch.strided代表密集张量,是最常用的内存布局。每个strided张量都会关联 一个torch.Storage,它保存着它的数据。这些张力提供了多维度, 存储的strided视图。Strides是一个整数型列表:k-th stride表示在张量的第k维从一个元素跳转到下一个元素所需的内存。关于这里的理解请看demo2

device:(可选)就是创建的tensor存放的device,这里就不做赘述了,大致概念了解看这里\

requires_grad: (可选)是bool 类型的值,默认值是False .因为 pytorch 后期的版本将Varibale 和Tensor进行合并了,这里的如果设置为Flase 表示再反响传播的时候不会对这个节点机型求导,如果你对tensorflow熟悉,

你可能感兴趣的:(pytorch,pytorch,机器学习,zeros)