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

• size (tuple of int) – 输出张量的形状

• stride (tuple of int) – 输出张量的步长

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])