Pytorch中.new()的作用詳解

更新時(shí)間：2020年02月18日 10:48:08 作者：悲戀花丶無心之人

今天小編就為大家分享一篇Pytorch中.new()的作用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

一、作用

創(chuàng)建一個(gè)新的Tensor，該Tensor的type和device都和原有Tensor一致，且無內(nèi)容。

二、使用方法

如果隨機(jī)定義一個(gè)大小的Tensor，則新的Tensor有兩種創(chuàng)建方法，如下：

inputs = torch.randn(m, n)
 
new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)

三、具體代碼

import torch
 
rectangle_height = 1
rectangle_width = 4
inputs = torch.randn(rectangle_height, rectangle_width)
for i in range(rectangle_height):
  for j in range(rectangle_width):
    inputs[i][j] = (i + 1) * (j + 1)
print("inputs:", inputs)
new_inputs = inputs.new()
print("new_inputs:", new_inputs)
# Constructs a new tensor of the same data type as self tensor.
print(new_inputs.type(), inputs.type())
print('')
 
inputs = inputs.squeeze(dim=0)
print("inputs:", inputs)
# new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)
print("new_inputs:", new_inputs)
# Constructs a new tensor of the same data type as self tensor.
print(new_inputs.type(), inputs.type())
if torch.cuda.is_available():
  device = torch.device("cuda")
  inputs, new_inputs = inputs.to(device), new_inputs.to(device)
  print(inputs.device, new_inputs.device)

結(jié)果如下：

可以看到不論inputs是多少維的，新建的new_inputs的type和device都與inputs保持一致

inputs: tensor([[1., 2., 3., 4.]])
new_inputs: tensor([])
torch.FloatTensor torch.FloatTensor
 
inputs: tensor([1., 2., 3., 4.])
new_inputs: tensor([])
torch.FloatTensor torch.FloatTensor
cuda:0 cuda:0

四、實(shí)際應(yīng)用（添加噪聲）

可以對(duì)Tensor添加噪聲，添加如下代碼即可實(shí)現(xiàn)：

noise = inputs.data.new(inputs.size()).normal_(0,0.01)
print(noise)

結(jié)果如下：

tensor([ 0.0062, 0.0137, -0.0209, 0.0072], device='cuda:0')

以上這篇Pytorch中.new()的作用詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

Pytorch
new

相關(guān)文章

跟老齊學(xué)Python之不要紅頭文件(1)
紅頭文件，是某國特別色的東西，在python里不需要，python里要處理的是計(jì)算機(jī)中的文件，包括文本的、圖片的、音頻的、視頻的等等，還有不少?zèng)]見過的擴(kuò)展名的，文件，在python中，是一種對(duì)象，就如同已經(jīng)學(xué)習(xí)過的字符串、數(shù)字等一樣。
2014-09-09
深入解析Python中的線程同步方法
Python盡管可以創(chuàng)建多條線程,但是由于GIL的存在,Python的多條線程并不能同時(shí)運(yùn)行,因而線程間的同步便顯得更為重要,這里我們就來深入解析Python中的線程同步方法,需要的朋友可以參考下
2016-06-06
python flask搭建web應(yīng)用教程
今天小編就為大家分享一篇python flask搭建web應(yīng)用教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
2019-11-11
Python實(shí)現(xiàn)Tab自動(dòng)補(bǔ)全和歷史命令管理的方法
這篇文章主要介紹了Python實(shí)現(xiàn)Tab自動(dòng)補(bǔ)全和歷史命令管理的方法,實(shí)例分析了tab自動(dòng)補(bǔ)全的實(shí)現(xiàn)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下
2015-03-03
Python實(shí)現(xiàn)準(zhǔn)確獲取PDF文件中的標(biāo)題
想要在PDF文件中,解析獲取全部的標(biāo)題,是一件比較麻煩的事情,這篇文章將介紹一種較為準(zhǔn)確的提取標(biāo)題的方式,感興趣的小伙伴可以了解一下
2024-02-02
python實(shí)現(xiàn)漢諾塔算法
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)漢諾塔算法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2018-09-09
Numpy與Pytorch 矩陣操作方式
今天小編就為大家分享一篇Numpy與Pytorch 矩陣操作方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
2019-12-12
關(guān)于python的編碼與解碼decode()方法及zip()函數(shù)
這篇文章主要介紹了關(guān)于python的編碼與解碼decode()方法及zip()函數(shù),encode0?方法是字符串對(duì)象內(nèi)置的一個(gè)實(shí)現(xiàn)方法用于實(shí)現(xiàn)編碼操作,需要的朋友可以參考下
2023-04-04
Python中urllib與urllib2模塊的變化與使用詳解
urllib是python提供的一個(gè)用于操作URL的模塊，在python2.x中有URllib庫，也有Urllib2庫，在python3.x中Urllib2合并到了Urllib中，我們爬取網(wǎng)頁的時(shí)候需要經(jīng)常使用到這個(gè)庫,需要的朋友可以參考下
2023-05-05
Python緩存利器之cachetools庫使用詳解
cachetools庫為Python提供了強(qiáng)大而靈活的緩存解決方案,通過使用不同類型的緩存和緩存裝飾器,我們可以輕松地在程序中實(shí)現(xiàn)高效的緩存機(jī)制,從而提升程序性能,本文將詳細(xì)介紹cachetools庫的基本概念和使用方法,感興趣的朋友跟隨小編一起看看吧
2024-07-07