torch.Tensor.new_tensor

Tensor.new_tensor(data, *, dtype=None, device=None, requires_grad=False, layout=torch.strided, pin_memory=False) → Tensor

返回一个具有 data 作为张量数据的张量。默认情况下，返回的张量具有与此张量相同的 torch.dtype 和 torch.device。

警告

new_tensor() 总是会复制 data。如果您有一个张量 data 并想避免复制，请使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach()。如果您有一个 numpy 数组并想避免复制，请使用 torch.from_numpy()。

警告

当 data 是张量 x 时，new_tensor() 会读取传入的任何内容中的“数据”，并构建一个叶子变量。因此 tensor.new_tensor(x) 等同于 x.detach().clone()，而 tensor.new_tensor(x, requires_grad=True) 等同于 x.detach().clone().requires_grad_(True)。推荐使用 detach() 和 clone() 的等价用法。

参数

data (array_like) – 返回的张量会复制 data。

关键字参数

• dtype (torch.dtype, 可选) – 所需的返回 tensor 的类型。默认值：如果为 None，则与此 tensor 相同 torch.dtype。

• device (torch.device, 可选) – 所需的返回 tensor 的设备。默认值：如果为 None，则与此 tensor 相同 torch.device。

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

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

• 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。

示例

>>> tensor = torch.ones((2,), dtype=torch.int8)
>>> data = [[0, 1], [2, 3]]
>>> tensor.new_tensor(data)
tensor([[ 0,  1],
        [ 2,  3]], dtype=torch.int8)