torch.empty_strided¶
- torch.empty_strided(size, stride, *, dtype=None, layout=None, device=None, requires_grad=False, pin_memory=False) Tensor ¶
创建一个具有指定
size
和stride
,并填充未定义数据的张量。警告
如果构建的张量“重叠”(即多个索引指向内存中的同一元素),则其行为是未定义的。
注意
如果
torch.use_deterministic_algorithms()
和torch.utils.deterministic.fill_uninitialized_memory
都设置为True
,则会初始化输出张量,以防止将这些数据用作操作输入时可能出现的非确定性行为。浮点和复数张量将填充 NaN,整数张量将填充最大值。- 参数
- 关键字参数
dtype (
torch.dtype
, optional) – 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
, optional) – 返回张量所需的布局。默认值:torch.strided
。device (
torch.device
, optional) – 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, optional) – 如果 autograd 应该记录返回张量上的操作。默认值:
False
。pin_memory (bool, optional) – 如果设置,返回的张量将分配在 pinned memory 中。仅适用于 CPU 张量。默认值:
False
。
示例
>>> a = torch.empty_strided((2, 3), (1, 2)) >>> a tensor([[8.9683e-44, 4.4842e-44, 5.1239e+07], [0.0000e+00, 0.0000e+00, 3.0705e-41]]) >>> a.stride() (1, 2) >>> a.size() torch.Size([2, 3])