[torch 参数更多 ]torch.full_like¶

torch.full_like¶

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

paddle.full_like¶

paddle.full_like(x,
                 fill_value,
                 dtype=None,
                 name=None)

其中 Pytorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射¶

| PyTorch | PaddlePaddle | 备注 | | ————- | ———— | —————————————————— | | input | x | 表示输入的 Tensor ，仅参数名不一致。 | | fill_value | fill_value | 表示填充值。 | | dtype | dtype | 表示数据类型。| | layout | - | 表示布局方式， Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。 | | device | - | 表示 Tensor 存放设备位置，Paddle 无此参数，需要进行转写。 | | requires_grad | - | 表示是否计算梯度， Paddle 无此参数，需要进行转写。 | | memory_format | - | 表示内存格式， Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。|

转写示例¶

# Pytorch 写法
torch.full_like(x, 1., device=torch.device('cpu'))

# Paddle 写法
y = paddle.full_like(x, 1.)
y.cpu()

#### requires_grad：是否需要求反向梯度，需要修改该 Tensor 的 stop_gradient 属性
```python
# Pytorch 写法
x = torch.full_like([3, 5], 1., requires_grad=True)

# Paddle 写法
x = paddle.full_like([3, 5], 1.)
x.stop_gradient = False