torch.empty的作用:返回一个未初始化的Tensor

在官网查到torch.empty()的初始格式是empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) -> Tensor。
返回一个充满未初始化数据的张量。张量的形状是由变量参数定义:attr: ’ size '来决定的。

参数:

Size (int…):一个定义输出张量形状的整数序列。
可以是可变数量的参数,也可以是像列表或元组这样的集合。

关键字参数:

out (Tensor,可选):输出张量。
dtype(class:torch.dtype, optional):返回张量所需的数据类型。默认值:如果’ ’ None ’ ',使用全局默认值(参见:func: ’ torch.set_default_tensor_type ‘)。
layout(:class:torch.layout, optional):返回张量的期望布局。默认值:’ ’ torch.strided ’ '。
Device (:class: ’ torch.device ‘,optional):返回张量的期望设备。默认:如果’ ’ None ’ ',则使用当前设备作为默认张量类型。(参见:func:“torch.set_default_tensor_type”)。attr: ’ device ‘将是CPU CPU张量类型和当前CUDA设备的CUDA张量类型。
requires_grad (bool,optional):如果autograd应该记录操作 返回的张量。默认值:’ ‘假’ ‘。
pin_memory (bool,optional):如果设置,返回的张量将被分配到 固定内存。只对CPU张量有效。默认值:’ 'False ‘。
memory_format(class:torch.memory_format, optional):所需的内存格式 返回的张量。默认值:’ ’ orch.contiguous_format ’ '。

示例:

>>> a=torch.empty((2,3), dtype=torch.int32, device = 'cuda')
>>> torch.empty_like (a)
    tensor([[0, 0, 0],
            [0, 0, 0]], device='cuda:0', dtype=torch.int32)
Type:      builtin_function_or_methodd

你可能感兴趣的:(学习日常记录,深度学习,pytorch,python)