torch.Tensor.new_tensor¶

Tensor.new_tensor(data, *, dtype=None, device=None, requires_grad=False, layout=torch.strided, pin_memory=False) → 张量¶

返回一个新的 Tensor，其 data 作为张量数据。默认情况下，返回的 Tensor 具有与此张量相同的 torch.dtype 和 torch.device。

警告

new_tensor() 总是复制 data。如果你有一个 Tensor data 并且想要避免复制，使用 torch.Tensor.requires_grad_() 或者 torch.Tensor.detach()。如果你有一个 numpy 数组并且想要避免复制，使用 torch.from_numpy()。

警告

当数据是一个张量 x 时，new_tensor() 从传递的任何内容中读取“数据”，并构造一个叶子变量。因此 tensor.new_tensor(x) 等价于 x.clone().detach() 并且 tensor.new_tensor(x, requires_grad=True) 等价于 x.clone().detach().requires_grad_(True)。推荐使用 clone() 和 detach() 的等价方法。

Parameters

数据 (类似数组) – 返回的张量复制了 数据。

Keyword Arguments

dtype (torch.dtype, 可选) – 返回张量的所需类型。默认值：如果为 None，则与该张量的 torch.dtype 相同。
设备 (torch.device, 可选) – 返回张量所需的设备。默认值：如果为 None，则与该张量相同的 torch.device。
requires_grad (布尔值, 可选) – 如果 autograd 应该记录对返回张量的操作。默认值：False。
布局 (torch.layout, 可选) – 返回张量的所需布局。默认值: torch.strided。
pin_memory (bool, 可选) – 如果设置，返回的张量将分配在固定内存中。仅适用于CPU张量。默认值：False。

示例：

>>> tensor = torch.ones((2,), dtype=torch.int8)
>>> data = [[0, 1], [2, 3]]
>>> tensor.new_tensor(data)
tensor([[ 0,  1],
        [ 2,  3]], dtype=torch.int8)