快捷方式

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()torch.utils.deterministic.fill_uninitialized_memory 都设置为 True,则会初始化输出张量以防止因将数据用作运算的输入而可能产生的任何不确定性行为。浮点张量和复数张量填充为 NaN,整数张量填充为最大值。

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类似列表或元组的集合。

关键字参数
  • out (Tensor, 可选) – 输出张量。

  • dtype (torch.dtype, 可选) – 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(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 None,则为默认张量类型使用当前设备(请参阅 torch.set_default_device())。device 对于 CPU 张量类型将为 CPU,对于 CUDA 张量类型将为当前 CUDA 设备。

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

  • pin_memory (bool, 可选) – 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

  • memory_format (torch.memory_format, 可选) – 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]])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得您的问题解答

查看资源