torch.full_like

torch.full_like(input, fill_value, \*, dtype=None, layout=torch.strided, device=None, requires_grad=False, memory_format=torch.preserve_format) → Tensor

返回一个与 input 具有相同大小的张量，并用 fill_value 填充。 torch.full_like(input, fill_value) 等同于 torch.full(input.size(), fill_value, dtype=input.dtype, layout=input.layout, device=input.device)。

参数

• input (Tensor) – input 的大小将决定输出张量的大小。

• fill_value – 用于填充输出张量的数值。

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

>>> x = torch.ones(2, 3)
>>> torch.full_like(x, 3.141592)
tensor([[ 3.1416,  3.1416,  3.1416],
        [ 3.1416,  3.1416,  3.1416]])
>>> torch.full_like(x, 7)
tensor([[7., 7., 7.],
        [7., 7., 7.]])
>>> torch.full_like(x, 0.5, dtype=torch.int32)
tensor([[0, 0, 0],
        [0, 0, 0]], dtype=torch.int32)
>>> y = torch.randn(3, 4, dtype=torch.float64)
>>> torch.full_like(y, -1.0)
tensor([[-1., -1., -1., -1.],
        [-1., -1., -1., -1.],
        [-1., -1., -1., -1.]], dtype=torch.float64)