本文简要介绍python语言中 torch.empty
的用法。
用法:
torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → Tensor
size(诠释...) -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。
out(Tensor,可选的) -输出张量。
dtype(
torch.dtype
, 可选的) -返回张量的所需数据类型。默认值:如果None
,使用全局默认值(参见torch.set_default_tensor_type()
)。layout(
torch.layout
, 可选的) -返回张量的所需布局。默认值:torch.strided
。device(
torch.device
, 可选的) -返回张量的所需设备。默认值:如果None
,使用当前设备作为默认张量类型(参见torch.set_default_tensor_type()
)。device
将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。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
。pin_memory(bool,可选的) -如果设置,返回的张量将被分配到固定内存中。仅适用于 CPU 张量。默认值:
False
。memory_format(
torch.memory_format
, 可选的) -返回的张量所需的内存格式。默认值:torch.contiguous_format
。
返回一个充满未初始化数据的张量。张量的形状由变量参数
size
定义。例子:
>>> a=torch.empty((2,3), dtype=torch.int32, device = 'cuda') >>> torch.empty_like(a) tensor([[0, 0, 0], [0, 0, 0]], device='cuda:0', dtype=torch.int32)
参数:
关键字参数:
相关用法
- Python PyTorch empty_like用法及代码示例
- Python PyTorch empty_strided用法及代码示例
- Python PyTorch embedding用法及代码示例
- Python PyTorch emit_nvtx用法及代码示例
- Python PyTorch embedding_bag用法及代码示例
- Python PyTorch enable_grad用法及代码示例
- Python PyTorch equal用法及代码示例
- Python PyTorch eq用法及代码示例
- Python PyTorch erfc用法及代码示例
- Python PyTorch exp用法及代码示例
- Python PyTorch expires用法及代码示例
- Python PyTorch effect_names用法及代码示例
- Python PyTorch entr用法及代码示例
- Python PyTorch einsum用法及代码示例
- Python PyTorch eigvals用法及代码示例
- Python PyTorch eigvalsh用法及代码示例
- Python PyTorch expm1用法及代码示例
- Python PyTorch export用法及代码示例
- Python PyTorch exp2用法及代码示例
- Python PyTorch erfinv用法及代码示例
- Python PyTorch eig用法及代码示例
- Python PyTorch eigh用法及代码示例
- Python PyTorch extract_archive用法及代码示例
- Python PyTorch eye用法及代码示例
- Python PyTorch eye_用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.empty。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。