torch.Tensor.new_tensor

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

返回一個新的 Tensor，其中 data 作為 Tensor 資料。預設情況下，返回的 Tensor 具有與此 Tensor 相同的 torch.dtype 和 torch.device。

警告

new_tensor() 始終複製 data。如果您有一個 Tensor data 並想避免複製，請使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach()。如果您有一個 numpy 陣列並想避免複製，請使用 torch.from_numpy()。

警告

當 data 是一個 tensor x 時，new_tensor() 從傳入的任何資料中讀取“資料”，並構造一個葉變數。因此，tensor.new_tensor(x) 等同於 x.detach().clone()，而 tensor.new_tensor(x, requires_grad=True) 等同於 x.detach().clone().requires_grad_(True)。建議使用 detach() 和 clone() 的等價形式。

引數

data (array_like) – 返回的 Tensor 複製 data。

關鍵字引數

• dtype (torch.dtype, 可選) – 返回 Tensor 期望的資料型別。預設值：如果為 None，則與此 Tensor 具有相同的 torch.dtype。

• device (torch.device, 可選) – 返回 Tensor 期望的裝置。預設值：如果為 None，則與此 Tensor 具有相同的 torch.device。

• requires_grad (bool, 可選) – 如果 autograd 應該記錄對返回 Tensor 的操作。預設值：False。

• layout (torch.layout, 可選) – 返回 Tensor 期望的佈局。預設值：torch.strided。

• pin_memory (bool, 可選) – 如果設定，返回的 Tensor 將在固定記憶體中分配。僅適用於 CPU Tensor。預設值：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)