torch.empty_like

torch.empty_like(input, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) → Tensor

返回一个大小与 `input` 相同的未初始化张量。`torch.empty_like(input)` 等价于 `torch.empty(input.size(), dtype=input.dtype, layout=input.layout, device=input.device)`。

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。

当使用 `torch.preserve_format` 时：如果输入张量是稠密的（即非重叠跨步），则会保留其内存格式（包括跨步）。否则（例如，非稠密视图，如步进切片），输出将被转换为稠密格式。

参数

input (Tensor) – input 的大小将决定输出张量的大小。

关键字参数

• dtype (torch.dtype, optional) – 返回的 Tensor 的所需数据类型。默认值：如果 None，则默认为 input 的 dtype。

• layout (torch.layout, optional) – 返回的张量的所需布局。默认值：如果 None，则默认为 input 的布局。

• device (torch.device, optional) – 返回的张量的所需设备。默认值：如果 None，则默认为 input 的设备。

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

• memory_format (torch.memory_format, optional) – 返回的 Tensor 的所需内存格式。默认值：torch.preserve_format。

示例

>>> a=torch.empty((2,3), dtype=torch.int32, device = 'cuda')
>>> torch.empty_like(a)
tensor([[0, 0, 0],
        [0, 0, 0]], device='cuda:0', dtype=torch.int32)