Функция empty_like

Функция empty_like создает новый тензор, имеющий такую же форму (размерность) и тип данных, как у переданного тензора-образца. Главная особенность этой функции в том, что новый тензор не инициализируется никакими значениями, а содержит "мусорные" данные из памяти. Это может быть полезно для повышения производительности, когда вы собираетесь сразу заполнить тензор нужными значениями.

Первым параметром функция принимает тензор-образец (input). Вторым параметром можно задать тип данных элементов (dtype). Также можно указать устройство (device), на котором будет размещен тензор, и другие дополнительные опции.

Синтаксис

torch.empty_like(input, [dtype], [device], [requires_grad])

Пример

Давайте создадим тензор-образец и на его основе неинициализированный тензор:

import torch

t = torch.tensor([1, 2, 3, 4, 5])
res = torch.empty_like(t)
print(res)

Результат выполнения кода (значения могут отличаться):

tensor([0, 0, 0, 0, 0])

Обратите внимание, что фактически выведенные значения могут быть другими, так как тензор не инициализирован.

Пример

Создадим неинициализированный тензор с явным указанием типа данных:

import torch

t = torch.tensor([1, 2, 3])
res = torch.empty_like(t, dtype=torch.float)
print(res.dtype)

Результат выполнения кода:

"torch.float32"

Пример

Создадим неинициализированный тензор для двумерного образца:

import torch

t = torch.tensor([
	[1, 2, 3],
	[4, 5, 6],
])
res = torch.empty_like(t)
print(res.shape)
print(res)

Результат выполнения кода (значения могут отличаться):

torch.Size([2, 3])
tensor([
	[0, 0, 0],
	[0, 0, 0],
])

Форма тензора полностью совпадает с формой образца.

Смотрите также

функцию empty,
которая создает неинициализированный тензор указанной формы
функцию zeros_like,
которая создает тензор, заполненный нулями, по образцу
функцию ones_like,
которая создает тензор, заполненный единицами, по образцу
функцию full_like,
которая создает тензор, заполненный указанным значением, по образцу