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

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

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

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

result = torch.full_like(x, 3, device='cuda')
print(result)  # 张量在 GPU 上

4. 需要梯度

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

• 与 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。