torch.empty

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

返回一个包含未初始化数据的张量。张量的形状由可变参数 size 定义。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都设置为 True，则输出张量会被初始化，以防止使用数据作为操作输入的任何可能的非确定性行为。浮点数和复数张量将填充 NaN，整数张量将填充最大值。

参数

size (int...) – 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。

关键字参数

• out (Tensor, optional) – 输出张量。

• dtype (torch.dtype, optional) – 返回张量的期望数据类型。默认值：如果 None，则使用全局默认值（参见 torch.set_default_dtype()）。

• layout (torch.layout, 可选) – 返回张量的所需布局。默认：torch.strided。

• device (torch.device, 可选) – 返回张量的所需设备。默认：如果为 None，则使用当前设备作为默认张量类型（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，device 将是当前的 CUDA 设备。

• requires_grad (bool, optional) – 如果 autograd 应记录在返回的张量上的操作。默认值：False。

• pin_memory (bool, optional) – 如果设置为 True，则返回的张量将被分配到固定内存中。仅适用于 CPU 张量。默认值：False。

• memory_format (torch.memory_format, optional) – 返回张量的所需内存格式。默认值：torch.contiguous_format。

示例

>>> 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]])