torch.empty_like¶
- torch.empty_like(input, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) Tensor ¶
返回一个与
input
大小相同的未初始化张量。torch.empty_like(input)
等效于torch.empty(input.size(), dtype=input.dtype, layout=input.layout, device=input.device)
。注意
如果
torch.use_deterministic_algorithms()
和torch.utils.deterministic.fill_uninitialized_memory
都设置为True
,则输出张量将被初始化,以防止使用数据作为操作输入时可能出现的任何不确定性行为。浮点和复数张量将填充 NaN,整数张量将填充最大值。- 参数
input (Tensor) –
input
的大小将决定输出张量的大小。- 关键字参数
dtype (
torch.dtype
,可选) – 返回的张量的所需数据类型。默认值:如果为None
,则默认为input
的数据类型。layout (
torch.layout
,可选) – 返回的张量的所需布局。默认值:如果为None
,则默认为input
的布局。device (
torch.device
,可选) – 返回的张量的所需设备。默认值:如果为None
,则默认为input
的设备。requires_grad (bool, 可选) – 是否应记录返回张量上的操作的自动梯度。默认值:
False
。memory_format (
torch.memory_format
,可选) – 返回的张量的所需内存格式。默认值:torch.preserve_format
。
示例
>>> a=torch.empty((2,3), dtype=torch.int32, device = 'cuda') >>> torch.empty_like(a) tensor([[0, 0, 0], [0, 0, 0]], device='cuda:0', dtype=torch.int32)