pytorch张量的new_zeros方法先容

在 PyTorch 中，Tensor.new_zeros 是一种用于创建与现有张量外形或装备匹配的新张量的方法。该方法生成一个全为零的张量，且其数据范例、装备等属性与调用它的张量一致，除非另行指定。

---

new_zeros 方法的语法

1. Tensor.new_zeros(size, *, dtype=None, device=None, requires_grad=False)

复制代码

参数说明

• size (tuple)
  指定新张量的外形。例如 (2, 3) 表示创建一个外形为 2x3 的张量。
  
• dtype (torch.dtype, 可选)
  指定新张量的数据范例。如果未指定，将与原张量的数据范例一致。
  
• device (torch.device, 可选)
  指定新张量所在的装备（如 CPU 或 GPU）。如果未指定，将与原张量所在的装备一致。
  
• requires_grad (bool, 可选)
  指定新张量是否需要计算梯度（默以为 False）。
  

---

new_zeros 的特性

• 新张量与原张量具有相同的装备和默认数据范例（除非显式更改）。
  
• 新张量的内容为全零。
  

---

利用示例

1. 创建与现有张量外形匹配的零张量

1. import torch
3. x = torch.ones(2, 3, device='cuda')  # 创建一个形状为 (2, 3) 的张量
4. zeros = x.new_zeros((2, 3))
5.           # 创建一个全零张量，与 x 具有相同形状和设备
6. print(zeros)
7. # 输出（在 GPU 上）:
8. # tensor([[0., 0., 0.],
9. #         [0., 0., 0.]], device='cuda:0')

复制代码

2. 创建具有不同外形的零张量

1. x = torch.ones(4, 5)
2. zeros = x.new_zeros((2, 3))
3.   # 创建一个形状为 (2, 3) 的零张量
4. print(zeros)
5. # 输出:
6. # tensor([[0., 0., 0.],
7. #         [0., 0., 0.]])

复制代码

3. 指定命据范例

1. x = torch.ones(3, 3, dtype=torch.float32)
2. zeros = x.new_zeros((2, 2), dtype=torch.int32)  # 显式指定数据类型
3. print(zeros)
4. # 输出:
5. # tensor([[0, 0],
6. #         [0, 0]], dtype=torch.int32)

复制代码

4. 指定装备

1. x = torch.ones(2, 2, device='cuda')
2. zeros = x.new_zeros((3, 3), device='cpu')  # 在 CPU 上创建新张量
3. print(zeros)
4. # 输出:
5. # tensor([[0., 0., 0.],
6. #         [0., 0., 0.],
7. #         [0., 0., 0.]])

复制代码

---

与其他创建零张量的方法的对比

• torch.zeros
  

1. zeros = torch.zeros((2, 3))

复制代码

• 
  
  
  
  • 独立于已有张量。
    
  • 需要显式指定命据范例和装备。
    
  
  
• Tensor.new_zeros
  

1. zeros = x.new_zeros((2, 3))

复制代码

• 与现有张量 x 共享装备和默认数据范例。
  

---

常见应用场景

• 快速创建与输入张量匹配的零张量 在深度学习中，可能需要创建与现有张量外形和装备匹配的零张量。例如，用于初始化中心结果或辅助计算。
  
• 动态操纵 当输入张量的外形、装备不固定时，可以利用 new_zeros 动态生成匹配的零张量，无需手动指定装备或数据范例。
  

---

总结

Tensor.new_zeros 是一个高效、方便的方法，恰当在动态模子或装备敏感的代码中利用。它制止了显式管理装备和数据范例的贫苦，有助于提高代码的简便性和可维护性。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。