torch.empty_strided

torch.empty_strided(size, stride, *, dtype=None, layout=None, device=None, requires_grad=False, pin_memory=False) → Tensor

创建一个指定 size 和 stride 并填充未定义数据的张量。

警告

如果构造的张量是“重叠的”（多个索引引用内存中的同一元素），则其行为未定义。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都设置为 True，则初始化输出张量以防止使用数据作为操作的输入时可能出现的任何不确定性行为。浮点和复数张量填充 NaN，整数张量填充最大值。

参数

• size (元组 的 整数) – 输出张量的形状

• stride (元组 的 整数) – 输出张量的步长

关键字参数

• dtype (torch.dtype，可选) – 返回张量的所需数据类型。默认值：如果为 None，则使用全局默认值（请参阅 torch.set_default_dtype()）。

• layout (torch.layout，可选) – 返回张量的所需布局。默认值：torch.strided。

• device (torch.device，可选) – 返回张量的所需设备。默认值：如果为 None，则使用默认张量类型的当前设备（请参阅 torch.set_default_device()）。device 对于 CPU 张量类型将是 CPU，对于 CUDA 张量类型将是当前 CUDA 设备。

• requires_grad (布尔值，可选) – 是否应记录返回张量上的操作。默认值：False。

• pin_memory (布尔值，可选) – 如果设置，则返回的张量将在固定内存中分配。仅适用于 CPU 张量。默认值：False。

示例

>>> a = torch.empty_strided((2, 3), (1, 2))
>>> a
tensor([[8.9683e-44, 4.4842e-44, 5.1239e+07],
        [0.0000e+00, 0.0000e+00, 3.0705e-41]])
>>> a.stride()
(1, 2)
>>> a.size()
torch.Size([2, 3])