PyTorch中.new()的作用详解

在PyTorch中，.new()是一个非常有用的方法，它可以用来创建一个新的Tensor，同时可以指定新Tensor的形状、数据类型、设备等属性。本文将详细介绍.new()的用法和示例。

1. .new()的基本用法

.new()的基本用法如下：

new_tensor = tensor.new(size=None, dtype=None, device=None, requires_grad=False)

其中，size参数指定新Tensor的形状，可以是一个整数或一个元组；dtype参数指定新Tensor的数据类型；device参数指定新Tensor所在的设备；requires_grad参数指定新Tensor是否需要梯度计算。

下面是一个示例：

import torch

# 创建一个形状为(2, 3)的FloatTensor
x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])

# 创建一个形状为(2, 3)的LongTensor
y = x.new(size=(2, 3), dtype=torch.long)

print(y)

输出结果为：

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

可以看到，通过.new()方法创建的新Tensor的值都是未初始化的，需要手动赋值。

2. .new()的高级用法

.new()方法还可以用来创建与原Tensor具有相同形状、数据类型、设备等属性的新Tensor。这种用法可以避免手动指定新Tensor的属性，提高代码的可读性和可维护性。

下面是一个示例：

import torch

# 创建一个形状为(2, 3)的FloatTensor
x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])

# 创建一个与x具有相同形状、数据类型、设备的新Tensor
y = x.new(x.shape)

print(y)

输出结果为：

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

可以看到，通过.new()方法创建的新Tensor与原Tensor具有相同的形状、数据类型、设备等属性。

3. 示例说明

示例1：使用.new()方法创建一个全零的Tensor

以下是使用.new()方法创建一个全零的Tensor的步骤：

1. 创建一个形状为(2, 3)的FloatTensor：

```python
import torch

x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
```

1. 使用.new()方法创建一个与x形状相同的全零Tensor：

python
y = x.new(x.shape).zero_()

这里使用了.zero_()方法将新Tensor的值全部设置为0。

1. 输出结果：

python
print(y)

输出结果为：

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

示例2：使用.new()方法创建一个随机的Tensor

以下是使用.new()方法创建一个随机的Tensor的步骤：

1. 创建一个形状为(2, 3)的FloatTensor：

```python
import torch

x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
```

1. 使用.new()方法创建一个与x形状相同的随机Tensor：

python
y = x.new(x.shape).normal_()

这里使用了.normal_()方法将新Tensor的值设置为随机数。

1. 输出结果：

python
print(y)

输出结果为：

tensor([[ 0.0325, -0.1025, -0.2345],
[-0.2345, -0.2345, 0.0325]])

以上就是PyTorch中.new()的作用详解，包括基本用法和高级用法，以及两个示例说明。