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，其数据为 data 。默认情况下，返回的 Tensor 具有与该 Tensor 相同的 torch.dtype 和 torch.device 。

警告

new_tensor() 总是复制 data 。如果你有一个 Tensor data 并且想避免复制，请使用 torch.Tensor.requires_grad_() 或 torch.Tensor.detach() 。如果你有一个 numpy 数组并且想避免复制，请使用 torch.from_numpy() 。

警告

当数据是张量 x 时， new_tensor() 从传递给它的任何地方读取‘数据’，并构建一个叶子变量。因此 tensor.new_tensor(x) 等价于 x.detach().clone() ， tensor.new_tensor(x, requires_grad=True) 等价于 x.detach().clone().requires_grad_(True) 。推荐使用 detach() 和 clone() 的等价方法。

参数:

data (array_like) – 返回的 Tensor 会复制 data 。

关键字参数:

• dtype（ torch.dtype ，可选）- 返回张量的期望类型。默认：如果为 None，则与该张量相同 torch.dtype 。

• device（ torch.device ，可选）- 返回张量的期望设备。默认：如果为 None，则与该张量相同 torch.device 。

• requires_grad (bool，可选) – 如果 autograd 应记录对返回张量的操作。默认： False 。

• layout ( torch.layout ，可选) – 返回 Tensor 的期望布局。默认： torch.strided 。

• pin_memory (bool，可选) – 如果设置，返回的张量将在固定内存中分配。仅适用于 CPU 张量。默认： 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)