pytorch torch.empty()函数（返回填充有未初始化数据的张量。 张量的形状由可变的参数大小定义）

from https://pytorch.org/docs/1.1.0/torch.html#torch.empty

torch.empty(*sizes, out=None, dtype=None, layout=torch.strided,
 device=None, requires_grad=False, pin_memory=False) → Tensor

Returns a tensor filled with uninitialized data. The shape of the tensor is defined by the variable argument sizes.
返回填充有未初始化数据的张量。 张量的形状由可变的参数大小定义。

Parameters

sizes (int...) – a sequence of integers defining the shape of the output tensor. Can be a variable number of arguments or a collection like a list or tuple.
定义输出张量形状的整数序列。 
可以是可变数量的参数，也可以是列表或元组之类的集合。

out (Tensor, optional) – the output tensor 输出张量

dtype (torch.dtype, optional) – the desired data type of returned tensor. Default: if None, uses a global default (see torch.set_default_tensor_type()).
返回张量的所需数据类型。 
默认值：如果为None，则使用全局默认值（请参阅torch.set_default_tensor_type（））。

layout (torch.layout, optional) – the desired layout of returned Tensor. Default: torch.strided.
返回的Tensor的所需布局。 默认值：torch.strided。

device (torch.device, optional) – the desired device of returned tensor. Default: if None, uses the current device for the default tensor type (see torch.set_default_tensor_type()). device will be the CPU for CPU tensor types and the current CUDA device for CUDA tensor types.
返回张量的所需设备。 
默认值：如果为None，则使用当前设备作为默认张量类型（请参见torch.set_default_tensor_type（））。 
对于CPU张量类型，设备将是CPU；对于CUDA张量类型，设备将是当前CUDA设备。

requires_grad (bool, optional) – If autograd should record operations on the returned tensor. Default: False.
如果autograd应该在返回的张量上记录操作。 默认值：False。

pin_memory (bool, optional) – If set, returned tensor would be allocated in the pinned memory. Works only for CPU tensors. Default: False.
如果设置，返回的张量将在固定的内存中分配。 
仅适用于CPU张量。 默认值：False。

example

>>> torch.empty(2, 3)
tensor(1.00000e-08 *
       [[ 6.3984,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000]])