Table of Contents
Shortcuts

torch.empty

torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → 张量

返回一个填充了未初始化数据的张量。张量的形状由变量参数 size 定义。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都设置为 True，则输出张量会被初始化以防止在使用数据作为操作输入时出现任何可能的非确定性行为。 浮点数和复数张量会被填充为 NaN，而整数张量则会被填充为最大值。

Parameters

size (int...) – 定义输出张量形状的整数序列。可以是可变数量的参数或像列表或元组这样的集合。

Keyword Arguments

  • 输出 (张量, 可选) – 输出张量。

  • dtype (torch.dtype, 可选) – 返回张量的所需数据类型。 默认值：如果 None，则使用全局默认值（参见 torch.set_default_dtype()）。

  • 布局 (torch.layout, 可选) – 返回张量的所需布局。 默认值: torch.strided。

  • 设备 (torch.device, 可选) – 返回张量所需的设备。 默认值：如果 None，则使用默认张量类型的当前设备 （参见 torch.set_default_device()）。device 将是 CPU 用于 CPU 张量类型，以及当前 CUDA 设备用于 CUDA 张量类型。

  • 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。

  • 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。

  • memory_format (torch.memory_format, 可选) – 返回的张量所需的内存格式。默认值: torch.contiguous_format。

示例：

>>> torch.empty((2,3), dtype=torch.int64)
tensor([[ 9.4064e+13,  2.8000e+01,  9.3493e+13],
        [ 7.5751e+18,  7.1428e+18,  7.5955e+18]])
优云智算