mars.tensor.zeros

mars.tensor.zeros(shape, dtype=None, chunk_size=None, gpu=None, sparse=False, order='C')

返回一个具有给定形状和类型的新张量，填充为零。

Parameters

• 形状 (整数 或 整数序列）– 新张量的形状，例如， (2, 3) 或 2。

• dtype (数据类型, 可选) – 数组期望的数据类型，例如 mt.int8。 默认是 mt.float64。

• chunk_size (int 或 tuple 的 int 或 tuple 的 ints, 可选) – 每个维度上所需的块大小

• gpu (bool, 可选) – 如果为True，则在GPU上分配张量，默认为False

• 稀疏 (布尔值, 可选) – 如果为真则创建稀疏张量，默认为假

• order ({'C', 'F'}, 可选, 默认值: 'C') – 是否将多维数据以行优先（C风格）或列优先（Fortran风格）顺序存储在内存中。

Returns

out – 具有给定形状、数据类型和顺序的零张量。

Return type

张量

另请参阅

zeros_like

返回一个形状和类型与输入相同的零张量。

ones_like

返回一个形状和类型与输入相同的全1张量。

empty_like

返回一个具有输入形状和类型的空张量。

ones

返回一个新的张量，值设置为一。

empty

返回一个新的未初始化的张量。

示例

>>> import mars.tensor as mt
>>> mt.zeros(5).execute()
array([ 0.,  0.,  0.,  0.,  0.])

>>> mt.zeros((5,), dtype=int).execute()
array([0, 0, 0, 0, 0])

>>> mt.zeros((2, 1)).execute()
array([[ 0.],
       [ 0.]])

>>> s = (2,2)
>>> mt.zeros(s).execute()
array([[ 0.,  0.],
       [ 0.,  0.]])

>>> mt.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]).execute() # custom dtype
array([(0, 0), (0, 0)],
      dtype=[('x', '<i4'), ('y', '<i4')])