torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → Tensor
返回:一个填满未初始化数据的张量(张量的形状是由变量参数size定义的)
参数:
- size (int...) - 整数序列,其定义了输出张量的形状;可以是一个可变数量的参数,如列表或元组的集合。
out (Tensor, optional) – 输出的张量,如果指定了 out,那么
torch.zeros()
返回的张量和 out 指向的是同一个地址dtype (
torch.dtype
, optional) – 返回的张量的类型. 默认: 如果None
, 使用全局默认 (seetorch.set_default_tensor_type()
).layout (
torch.layout
, optional) – 内存中布局形式,默认:torch.strided
。当是稀疏矩阵时,设置为 sparse_coo 可以减少内存占用。device (
torch.device
, optional) – 返回张量所在的gpu/cpu. 默认: 如果None
, 返回默认张量类型所在的gpu/cpu(seetorch.set_default_tensor_type()
). .requires_grad (bool, optional) – 是否需要求导更新. 默认:
否
.pin_memory (bool, optional) – 返回的张量是否被分配锁页内存. 只对cpu张量有效. 默认:
否
.memory_format (
torch.memory_format
, optional) –返回张量的保存类型. 默认:torch.contiguous_format
.
Example:
>>> a=torch.empty((1,2), dtype=torch.int32, device = 'cuda')
>>> torch.empty_like(a)
tensor([[0, 0]], device='cuda:0', dtype=torch.int32)