Python PyTorch Tensor.new_tensor用法及代码示例

本文简要介绍python语言中 torch.Tensor.new_tensor 的用法。

用法:

Tensor.new_tensor(data, dtype=None, device=None, requires_grad=False) → Tensor

参数：

• data(array_like) -返回的张量副本 data 。

• dtype(torch.dtype， 可选的) -返回张量的所需类型。默认值：如果没有，则与此张量相同 torch.dtype 。

• device(torch.device， 可选的) -返回张量的所需设备。默认值：如果没有，则与此张量相同 torch.device 。

• requires_grad(bool,可选的) -如果 autograd 应该在返回的张量上记录操作。默认值：False。

返回一个以 data 作为张量数据的新张量。默认情况下，返回的张量与该张量具有相同的 torch.dtype 和 torch.device 。

警告

new_tensor() 始终复制 data 。如果您有张量 data 并希望避免复制，请使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach() 。如果您有一个 numpy 数组并希望避免复制，请使用 torch.from_numpy() 。

警告

当 data 是张量 x 时，new_tensor() 从传递的任何内容中读取“数据”，并构造一个叶变量。因此 tensor.new_tensor(x) 等效于 x.clone().detach() 且 tensor.new_tensor(x, requires_grad=True) 等效于 x.clone().detach().requires_grad_(True) 。建议使用 clone() 和 detach() 的等效项。

例子：

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