pytorch torch.full_like函数先容

torch.full_like 是 PyTorch 中用于创建一个具有特定值的新张量，其形状和数据范例与给定张量雷同。
函数界说

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

复制代码

参数阐明

•         input (Tensor):
  
  
  
  • 用来提供形状和其他属性（如装备、数据范例等）的参考张量。
    
  
  
•         fill_value (float 或 int):
  
  
  
  • 用于添补新张量的值。
    
  
  
•         dtype (torch.dtype, 可选):
  
  
  
  • 新张量的数据范例。假如未指定，则与 input 的数据范例雷同。
    
  
  
•         layout (torch.layout, 可选):
  
  
  
  • 新张量的内存结构。默以为 input 的结构。
    
  
  
•         device (torch.device, 可选):
  
  
  
  • 新张量地点的装备。假如未指定，则与 input 的装备雷同。
    
  
  
•         requires_grad (bool, 可选, 默认值：False):
  
  
  
  • 假如为 True，新张量将须要梯度盘算。
    
  
  
•         memory_format (torch.memory_format, 可选):
  
  
  
  • 新张量的内存格式。默以为 torch.preserve_format，即与 input 雷同的内存格式。
    
  
  

返回值

• 返回一个新张量，其形状、装备、数据范例等与 input 雷同，但全部元素均为 fill_value。
  

示例

1. 根本用法

2. import torch
4. # 创建一个参考张量
5. x = torch.tensor([[1, 2], [3, 4]])
7. # 创建一个与 x 形状相同的新张量，元素全为 5
8. result = torch.full_like(x, 5)
9. print(result)
10. # tensor([[5, 5],
11. #         [5, 5]])

复制代码

2. 指定命据范例

2. result = torch.full_like(x, 5.0, dtype=torch.float32)
3. print(result)
4. # tensor([[5.0, 5.0],
5. #         [5.0, 5.0]])

复制代码

3. 指定装备

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

复制代码

4. 须要梯度

2. result = torch.full_like(x, 2, requires_grad=True)
3. print(result.requires_grad)  # True

复制代码

常见用途

• 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。
  
• 占位符：天生形状与参考张量雷同的占位张量。
  
• 兼容性盘算：确保新张量与给定张量具有雷同的数据范例和装备。
  

---

留意事项

•         与 torch.full 的区别：torch.full 须要手动指定张量的形状，而 torch.full_like 主动利用参考张量的形状。
  
•         支持广播：fill_value 可以是标量。
  
•         性能优化：torch.full_like 会主动优扮装备和数据范例，便于高效地创建张量。