torch.empty

torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → Tensor

返回一个填充了未初始化数据的张量。张量的形状由可变参数 size 定义。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都设置为 True，输出张量将被初始化以防止使用数据作为运算输入时可能出现的任何非确定性行为。浮点和复数张量将填充 NaN，整数张量将填充最大值。

参数

size (int...) – 定义输出张量形状的整数序列。可以是可变数量的参数或集合，如列表或元组。

关键字参数

• out (Tensor, optional) – 输出张量。

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

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

• device (torch.device, optional) – 返回张量的所需设备。默认值：如果 None，则使用当前设备作为默认张量类型（参见 torch.set_default_device()）。device 将是 CPU（对于 CPU 张量类型）或当前 CUDA 设备（对于 CUDA 张量类型）。

• requires_grad (bool, optional) – 是否应该记录对返回张量的操作。默认值：False。

• pin_memory (bool, optional) – 如果设置，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。

• memory_format (torch.memory_format, optional) – 返回张量的所需内存格式。默认值：torch.contiguous_format。

示例

>>> torch.empty((2,3), dtype=torch.int64)
tensor([[ 9.4064e+13,  2.8000e+01,  9.3493e+13],
        [ 7.5751e+18,  7.1428e+18,  7.5955e+18]])