【pytorch学习】torch.empty

torch.empty

torch.empty(*size, 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 size.
		
		Parameters
		size (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.
		
		out (Tensor, optional) – the output tensor.
		
		dtype (torch.dtype, optional) – the desired data type of returned tensor. Default: if None, uses a global default (see torch.set_default_tensor_type()).
		
		layout (torch.layout, optional) – the desired layout of returned Tensor. Default: 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.
		
		requires_grad (bool, optional) – If autograd should record operations on the returned tensor. Default: False.
		
		pin_memory (bool, optional) – If set, returned tensor would be allocated in the pinned memory. Works only for CPU tensors. Default: False.
		'''

参数说明

创建一个未被初始化数值的tensor,tensor的大小是由size确定

size: 定义tensor的shape ，这里可以是一个list 也可以是一个tuple

out: （可选）这里直接看后面这个 demo1例子吧，不太好描述

dtype:（可选）我不设置值 默认值就是torch.set_default_tensor_type制定的值，如果需要设置那就是torch.dtype的那几个。作用是指定返回tensor的数据类型

layout:(可选)值为 torch.layout。 torch.layout表示torch.Tensor内存布局的对象。有torch.strided(dense Tensors 默认)并为torch.sparse_coo(sparse COO Tensors)提供实验支持。
torch.strided代表密集张量，是最常用的内存布局。每个strided张量都会关联 一个torch.Storage，它保存着它的数据。这些张力提供了多维度， 存储的strided视图。Strides是一个整数型列表：k-th stride表示在张量的第k维从一个元素跳转到下一个元素所需的内存。关于这里的理解请看demo2

device：（可选）就是创建的tensor存放的device,这里就不做赘述了，大致概念了解看这里\

requires_grad: (可选)是bool 类型的值，默认值是False .因为 pytorch 后期的版本将Varibale 和Tensor进行合并了，这里的如果设置为Flase 表示再反响传播的时候不会对这个节点机型求导，如果你对tensorflow熟悉，

requires_grad (bool, optional) – If autograd should record operations on the returned tensor. Default: False.

例子

demo1

y=torch.tensor([[1,2,3]])
print(y) # 这里的输出的y的是  tensor([[1, 2, 3]])
z=torch.empty(size=[1,3],out=y)
print(z) # 这里输出的z和上一步输出的一模一样

demo2

x=torch.empty([2,5])
x.stride()
		'''
		输出分别为：
		tensor([[0., 0., 0., 0., 0.],
		        [0., 0., 0., 0., 0.]])
		        
		(5, 1)  #注意看这里
		'''

y=x.t()
y.stride()
	'''
	输出分别为：
	
	tensor([[0., 0.],
	        [0., 0.],
	        [0., 0.],
	        [0., 0.],
	        [0., 0.]])
	
	(1, 5) #注意看这里
	'''