torch.Tensor.new_tensor

Tensor.new_tensor(data, *, dtype=None, device=None, requires_grad=False, layout=torch.strided, pin_memory=False) → Tensor

返回一个以 data 作为张量数据的新张量。默认情况下，返回的张量具有与此张量相同的 torch.dtype 和 torch.device。

警告

new_tensor() 始终复制 data。如果您有一个张量 data 并且想要避免复制，请使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach()。如果您有一个 numpy 数组并且想要避免复制，请使用 torch.from_numpy()。

警告

当数据是张量 x 时，new_tensor() 从传递的任何内容中读取“数据”，并构造一个叶变量。因此，tensor.new_tensor(x) 等价于 x.clone().detach()，而 tensor.new_tensor(x, requires_grad=True) 等价于 x.clone().detach().requires_grad_(True)。建议使用 clone() 和 detach() 的等价形式。

参数

data (array_like) – 返回的张量复制 data。

关键字参数

• dtype (torch.dtype, optional) – 返回张量的期望类型。默认值：如果为 None，则与此张量相同的 torch.dtype。

• device (torch.device, optional) – 返回张量的期望设备。默认值：如果为 None，则与此张量相同的 torch.device。

• requires_grad (bool, optional) – 如果 autograd 应该记录返回张量的操作。默认值：False。

• layout (torch.layout, optional) – 返回张量的期望布局。默认值：torch.strided。

• pin_memory (bool, optional) – 如果设置，返回的张量将分配在锁页内存中。仅适用于 CPU 张量。默认值：False。

示例

>>> tensor = torch.ones((2,), dtype=torch.int8)
>>> data = [[0, 1], [2, 3]]
>>> tensor.new_tensor(data)
tensor([[ 0,  1],
        [ 2,  3]], dtype=torch.int8)