第22个方法
由于下面这三个方法比较相似,都是创建未初始化的tensor(第三个是创建一个tensor的视图),所以就放到一起来讲:
torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False) → Tensor
torch.empty_like(input, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) → Tensor
torch.empty_strided(size, stride, *, dtype=None, layout=None, device=None, requires_grad=False, pin_memory=False) → Tensor
- 其实这三个方法和以前讲过的
torch.zeros、torch.zeros_like
等方法很相似。torch.empty()
就是创建一个使用未初始化值填满的tensor,至于为啥你电脑上显示的都是0,那是因为显示的精度不够,可以更改以下打印设置,在这里
torch.set_printoptions()更改一下显示精度,或者使用科学计数法即可。 torch.empty_like()
是创建一个与input形状一样的使用未初始化值填满的tensor,相当于torch.empty(input.size(), dtype=input.dtype, layout=input.layout, device=input.device).
由于input.size()就是一个数组,所以我们把它和torch.empty()一样的输入类似(3, 5)这样也是可以创建大小为(3, 5)的tensor。torch.empty_strded()
是创建一个使用未初始化值填满的tensor然后返回创建tensor的视图,(注意返回的是视图,所以对其直接进行修改会造成意想不到的效果,会修改原有的值,这样的会造成视图上可能很多值发生改变,具体在下面的torch.as_strided()
中有讲,不建议这样操作,建议先将其clone后进行修改。)此方法相当于torch.empty(size).as_strided(size, stride),也就是包含了两个方法,先创建empty的tensor,再创建在此tensor上的视图torch.as_strided()
就是创建视图的方法,以前讲过,大家可以点击torch.as_strided()查看。- 接下来看使用方式:
>>> torch.empty(2, 3)
tensor(1.00000e-08 *
[[ 6.3984, 0.0000, 0.0000],
[ 0.0000, 0.0000, 0.0000]])
>>> torch.empty((2,3), dtype=torch.int64)
tensor([[ 9.4064e+13, 2.8000e+01, 9.3493e+13],
[ 7.5751e+18, 7.1428e+18, 7.5955e+18]])
>>> a = torch.empty_strided((2, 3), (1, 2))
>>> a
tensor([[8.9683e-44, 4.4842e-44, 5.1239e+07],
[0.0000e+00, 0.0000e+00, 3.0705e-41]])
>>> a.stride()
(1, 2)
>>> a.size()
torch.Size([2, 3])
接下来介绍各个参数的作用:
size
:定义输出empty的形状,可以是list或者tuple。input
:input的形状会决定输出tensor的形状。strided
:指定返回视图的步长。out
:指定输出的tensor。dtype
:指定输出tensor中数据类型。device
:指定输出tensor所在设备。requires_grad
:指定输出tensor需不需要梯度信息。pin_momery
:如果设置,则返回的tensor被存放于指定内存中,仅仅在cpu的tensor起作用。momery_format
:返回tensor所需的格式内存,默认为torch.contiguous_format()
。