Table of Contents
Shortcuts

torch.empty_strided

torch.empty_strided(size, stride, *, dtype=None, layout=None, device=None, requires_grad=False, pin_memory=False) → 张量

创建一个具有指定大小和步幅并填充未定义数据的张量。

警告

如果构建的张量是“重叠的”（多个索引指向内存中的同一元素），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
Keyword Arguments

  • 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。

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])
优云智算