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，其張量資料為 data。預設情況下，返回的 Tensor 具有與此張量相同的 torch.dtype 和 torch.device。

警告

new_tensor() 總是複製 data。如果您有一個 Tensor data 並且想要避免複製，請使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach()。如果您有一個 numpy 陣列並且想要避免複製，請使用 torch.from_numpy()。

警告

當 data 是一個張量 x 時，new_tensor() 會從傳入的任何內容中讀取「資料」，並建構一個葉節點變數。因此，tensor.new_tensor(x) 等同於 x.clone().detach()，而 tensor.new_tensor(x, requires_grad=True) 等同於 x.clone().detach().requires_grad_(True)。建議使用 clone() 和 detach() 的等效寫法。

參數

data (array_like) – 返回的 Tensor 會複製 data。

關鍵字參數

• dtype (torch.dtype, optional) – 返回的張量所需的資料型別。預設值：如果為 None，則與此張量的 torch.dtype 相同。

• device (torch.device, optional) – 返回的張量所需的裝置。預設值：如果為 None，則與此張量的 torch.device 相同。

• requires_grad (bool, optional) – 如果 autograd 應記錄返回的張量上的操作。預設值：False。

• layout (torch.layout, optional) – 返回的 Tensor 所需的 layout。預設值：torch.strided。

• pin_memory (bool, optional) – 如果設定，返回的張量將分配在鎖頁記憶體中。僅適用於 CPU 張量。預設值：False。

範例

>>> tensor = torch.ones((2,), dtype=torch.int8)
>>> data = [[0, 1], [2, 3]]
>>> tensor.new_tensor(data)
tensor([[ 0,  1],
        [ 2,  3]], dtype=torch.int8)