torch.empty_strided

torch.empty_strided(size, stride, *, dtype=None, layout=None, device=None, requires_grad=False, pin_memory=False) → Tensor

建立一個具有指定 size 和 stride，並填充未定義資料的張量。

警告

如果構建的張量“重疊”（即多個索引指向記憶體中的同一元素），則其行為是未定義的。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都設定為 True，則會初始化輸出張量，以防止將這些資料用作操作輸入時可能出現的非確定性行為。浮點和複數張量將填充 NaN，整數張量將填充最大值。

引數

• size (tuple of int) – 輸出張量的形狀

• stride (tuple of int) – 輸出張量的步長

關鍵字引數

• dtype (torch.dtype, optional) – 返回張量所需的資料型別。預設值：如果為 None，則使用全域性預設值（參見 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回張量所需的佈局。預設值：torch.strided。

• device (torch.device, optional) – 返回張量所需的裝置。預設值：如果為 None，則使用預設張量型別的當前裝置（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，將是當前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應該記錄返回張量上的操作。預設值：False。

• pin_memory (bool, optional) – 如果設定，返回的張量將分配在 pinned memory 中。僅適用於 CPU 張量。預設值：False。

示例

>>> a = torch.empty_strided((2, 3), (1, 2))
>>> a
tensor([[8.9683e-44, 4.4842e-44, 5.1239e+07],
        [0.0000e+00, 0.0000e+00, 3.0705e-41]])
>>> a.stride()
(1, 2)
>>> a.size()
torch.Size([2, 3])