目录

一、作用

二、使用方法

三、具体代码

四、实际应用（添加噪声）

一、作用

创建一个新的Tensor，该Tensor的type和device都和原有Tensor一致，且无内容。

二、使用方法

如果随机定义一个大小的Tensor，则新的Tensor有两种创建方法，如下：

  

   

    

     

    
    

     

      inputs = torch.randn(m, n)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      new_inputs = inputs.new()
     
    
   

    

     

    
    

     

      new_inputs = torch.Tensor.new(inputs)
     
    
  
 

三、具体代码

  

   

    

     

    
    

     

      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)
     
    
  
 

结果如下：

可以看到不论inputs是多少维的，新建的new_inputs的type和device都与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、实际应用（添加噪声）

可以对Tensor添加噪声，添加如下代码即可实现：

  

   

    

     

    
    

     

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

    

     

    
    

     

      print(noise)
     
    
  
 

结果如下：

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

文章来源: nickhuang1996.blog.csdn.net，作者：悲恋花丶无心之人，版权归原作者所有，如需转载，请联系作者。

原文链接：nickhuang1996.blog.csdn.net/article/details/100014333