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) → 张量

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，则初始化输出张量，以防止使用这些数据作为输入进行操作时可能出现的任何非确定性行为。浮点和复数张量填充 NaN，整数张量填充最大值。

参数

size (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列表或元组等集合。

关键字参数

• out (张量, 可选) – 输出张量。

• dtype (torch.dtype, 可选) – 返回张量所需的数据类型。默认值：如果为 None，则使用全局默认值（参见 torch.set_default_dtype()）。

• layout (torch.layout, 可选) – 返回张量所需的布局。默认值：torch.strided。

• device (torch.device, 可选) – 返回张量所需的设备。默认值：如果为 None，则使用默认张量类型的当前设备（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，将是当前的 CUDA 设备。

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

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

• memory_format (torch.memory_format, 可选) – 返回张量所需的内存格式。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]])