torch.Tensor.new_tensor

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

返回一个新的 Tensor，其data作为张量数据。默认情况下，返回的 Tensor 具有与当前张量相同的 torch.dtype 和 torch.device。

警告

new_tensor() 总是会复制 data。如果你已经有一个 Tensor 变量，并且希望避免数据被复制，可以使用torch.Tensor.requires_grad_() 或者 torch.Tensor.detach()。如果你有一个 numpy 数组，并且希望避免复制，可以使用torch.from_numpy()。

警告

当数据是一个张量 x 时，new_tensor() 会从传入的对象中读取“数据”，并构造一个叶变量。因此，tensor.new_tensor(x) 等同于 x.clone().detach()，而 tensor.new_tensor(x, requires_grad=True) 等同于 x.clone().detach().requires_grad_(True)。推荐使用 clone() 和 detach() 的等价形式。

参数

data (array_like) – 返回的张量将复制data。

关键字参数

• dtype (torch.dtype) - 返回的张量所需的类型。默认值：如果为 None，则与此张量相同的 torch.dtype。

• device (torch.device, 可选) – 返回的张量所需的设备。默认情况下，如果为 None，则与该张量相同的 torch.device。

• requires_grad (bool, optional) – 是否启用自动求导记录返回的张量上的操作。默认值：False。

• layout (torch.layout, 可选) - 指定返回张量的布局。默认值为 torch.strided。

• pin_memory (bool, 可选) – 如果启用，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)