torch.Tensor.new_tensor

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

返回一个以 data 作为张量数据的新张量。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。如果你有一个张量 data 并想避免复制，请使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach()。如果你有一个 numpy 数组并想避免复制，请使用 torch.from_numpy()。

警告

当 data 是一个张量 x 时，new_tensor() 会读取它所传递的任何内容的数据，并构造一个叶子变量。因此，tensor.new_tensor(x) 等价于 x.detach().clone()，而 tensor.new_tensor(x, requires_grad=True) 等价于 x.detach().clone().requires_grad_(True)。推荐使用 detach() 和 clone() 的等价方法。

参数

data (array_like) – 返回的张量将复制 data。

关键字参数

• dtype (torch.dtype, optional) – 返回张量所需的类型。默认值：如果为 None，则与此张量具有相同的 torch.dtype。

• device (torch.device, optional) – 返回张量所需的设备。默认值：如果为 None，则与此张量具有相同的 torch.device。

• requires_grad (bool, optional) – 是否应自动记录返回张量上的操作。默认值：False。

• layout (torch.layout, optional) – 返回张量所需的布局。默认值：torch.strided。

• pin_memory (bool, optional) – 如果设置，返回的张量将在固定内存中分配。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)