Python PyTorch Tensor.new_tensor用法及代碼示例

本文簡要介紹python語言中 torch.Tensor.new_tensor 的用法。

用法:

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

參數：

• data(array_like) -返回的張量副本 data 。

• dtype(torch.dtype， 可選的) -返回張量的所需類型。默認值：如果沒有，則與此張量相同 torch.dtype 。

• device(torch.device， 可選的) -返回張量的所需設備。默認值：如果沒有，則與此張量相同 torch.device 。

• requires_grad(bool,可選的) -如果 autograd 應該在返回的張量上記錄操作。默認值：False。

返回一個以 data 作為張量數據的新張量。默認情況下，返回的張量與該張量具有相同的 torch.dtype 和 torch.device 。

警告

new_tensor() 始終複製 data 。如果您有張量 data 並希望避免複製，請使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach() 。如果您有一個 numpy 數組並希望避免複製，請使用 torch.from_numpy() 。

警告

當 data 是張量 x 時，new_tensor() 從傳遞的任何內容中讀取“數據”，並構造一個葉變量。因此 tensor.new_tensor(x) 等效於 x.clone().detach() 且 tensor.new_tensor(x, requires_grad=True) 等效於 x.clone().detach().requires_grad_(True) 。建議使用 clone() 和 detach() 的等效項。

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)