torch.empty_strided

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

创建一个具有指定 size 和 stride 的张量，填充内容为未定义的数据。

警告

如果构建的张量出现“重叠”（即多个索引指向内存中的同一个元素），其行为将无法确定。

注意

如果将 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都设置为 True，输出张量将被初始化以避免在使用该数据作为操作输入时出现非确定性行为。浮点数和复数类型的张量会被填充为 NaN，而整数类型的张量则会被填充为最大值。

参数

size (元组 of 整数) – 输出张量的形状
stride (元组 of 整数) – 输出张量的步长

关键字参数

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。默认情况下，如果未指定，则使用全局默认值（参见 torch.set_default_dtype()）。
layout (torch.layout, 可选) - 指定返回张量的布局。默认值为 torch.strided。
device (torch.device, 可选) – 返回张量所需的设备。默认情况下，如果未指定 None，则使用当前的默认张量类型设备（参见torch.set_default_device()）。对于 CPU 张量类型，默认为 CPU 设备；对于 CUDA 张量类型，则为当前的 CUDA 设备。
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。
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：

>>> 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])