pytorch torch.full_like函数介绍

torch.full_like 是 PyTorch 中用于创建一个具有特定值的新张量,其形状和数据类型与给定张量相同。

函数定义

复制代码
torch.full_like(input, fill_value, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format)

参数说明

  1. input (Tensor):

    • 用来提供形状和其他属性(如设备、数据类型等)的参考张量。
  2. fill_value (float 或 int):

    • 用于填充新张量的值。
  3. dtype (torch.dtype, 可选):

    • 新张量的数据类型。如果未指定,则与 input 的数据类型相同。
  4. layout (torch.layout, 可选):

    • 新张量的内存布局。默认为 input 的布局。
  5. device (torch.device, 可选):

    • 新张量所在的设备。如果未指定,则与 input 的设备相同。
  6. requires_grad (bool, 可选, 默认值:False):

    • 如果为 True,新张量将需要梯度计算。
  7. memory_format (torch.memory_format, 可选):

    • 新张量的内存格式。默认为 torch.preserve_format,即与 input 相同的内存格式。

返回值

  • 返回一个新张量,其形状、设备、数据类型等与 input 相同,但所有元素均为 fill_value

示例

1. 基本用法
复制代码
import torch

# 创建一个参考张量
x = torch.tensor([[1, 2], [3, 4]])

# 创建一个与 x 形状相同的新张量,元素全为 5
result = torch.full_like(x, 5)
print(result)
# tensor([[5, 5],
#         [5, 5]])
2. 指定数据类型
复制代码
result = torch.full_like(x, 5.0, dtype=torch.float32)
print(result)
# tensor([[5.0, 5.0],
#         [5.0, 5.0]])
3. 指定设备
复制代码
result = torch.full_like(x, 3, device='cuda')
print(result)  # 张量在 GPU 上
4. 需要梯度
复制代码
result = torch.full_like(x, 2, requires_grad=True)
print(result.requires_grad)  # True

常见用途

  1. 快速初始化张量:在网络初始化、测试时创建具有固定值的张量。
  2. 占位符:生成形状与参考张量相同的占位张量。
  3. 兼容性计算:确保新张量与给定张量具有相同的数据类型和设备。

注意事项

  • torch.full 的区别torch.full 需要手动指定张量的形状,而 torch.full_like 自动使用参考张量的形状。

  • 支持广播fill_value 可以是标量。

  • 性能优化torch.full_like 会自动优化设备和数据类型,便于高效地创建张量。

相关推荐
m0_7513363943 分钟前
突破性进展:超短等离子体脉冲实现单电子量子干涉,为飞行量子比特奠定基础
人工智能·深度学习·量子计算·材料科学·光子器件·光子学·无线电电子
美狐美颜sdk4 小时前
跨平台直播美颜SDK集成实录:Android/iOS如何适配贴纸功能
android·人工智能·ios·架构·音视频·美颜sdk·第三方美颜sdk
DeepSeek-大模型系统教程4 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
郭庆汝4 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
小雷FansUnion6 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周6 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
思则变7 小时前
[Pytest] [Part 2]增加 log功能
开发语言·python·pytest
叶子爱分享7 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜7 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿7 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程