[torch 参数更多]torch.Tensor.new_ones¶
torch.Tensor.new_ones¶
torch.Tensor.new_ones(*size, *, dtype=None, device=None, requires_grad=False, layout=torch.strided, pin_memory=False)
参数映射¶
PyTorch | PaddlePaddle | 备注 |
---|---|---|
*size | shape | 表示输出形状大小, PyTorch 是可变参数用法, Paddle 是列表或元组,需要转写。 |
dtype | dtype | 表示输出 Tensor 类型,如果没有指定,默认使用当前对象的 dtype,需要转写。 |
device | - | 表示 Tensor 存放设备位置,Paddle 无此参数,需要转写。 |
requires_grad | - | 表示是否计算梯度,Paddle 无此参数,需要转写。 |
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。 |
pin_memory | - | 表示是否使用锁页内存, Paddle 无此参数,需要转写。 |
转写示例¶
size:输出形状大小¶
# PyTorch 写法
x.new_ones(3, 5)
# Paddle 写法
paddle.ones([3, 5])
dtype:数据类型¶
# PyTorch 写法
x.new_ones(3, 5)
# Paddle 写法
paddle.ones([3, 5], dtype=x.dtype)
device: Tensor torch 的设备¶
# PyTorch 写法
y = x.new_ones((3, 5), device=torch.device('cpu'))
# Paddle 写法
y = paddle.ones([3, 5])
y.cpu()
requires_grad:是否求梯度¶
# PyTorch 写法
y = x.new_ones((3, 5), requires_grad=True)
# Paddle 写法
y = paddle.ones([3, 5])
y.stop_gradient = False
pin_memory:是否分配到固定内存上¶
# PyTorch 写法
y = x.new_ones((3, 5), pin_memory=True)
# Paddle 写法
y = paddle.ones([3, 5]).pin_memory()