maxframe.tensor.empty_like#

maxframe.tensor.empty_like(a, dtype=None, gpu=None, order='K')[源代码]#

返回一个与给定 tensor 具有相同形状和类型的新的 tensor。

参数:

a (array_like) -- a 的形状和数据类型定义了所返回 tensor 的这些属性。
dtype (data-type, optional) -- 覆盖结果的数据类型。
gpu (bool, optional) -- 如果为 True 则将 tensor 分配在 GPU 上，默认为 None
order ({'C', 'F', 'A', or 'K'}, optional) -- 覆盖结果的内存布局。'C' 表示 C 顺序，'F' 表示 Fortran 顺序，如果 prototype 是 Fortran 连续的则 'A' 表示 'F'，否则表示 'C'。'K' 表示尽可能匹配 prototype 的布局。

返回:

out -- 一个与 a 具有相同形状和类型的未初始化（任意）数据的数组。

返回类型:

Tensor

参见

ones_like: 返回一个与输入具有相同形状和类型的全一 tensor。
zeros_like: 返回一个与输入具有相同形状和类型的全零 tensor。
empty: 返回一个新的未初始化的 tensor。
ones: 返回一个将值设为一的新 tensor。
zeros: 返回一个将值设为零的新 tensor。

备注

此函数*不会*初始化返回的 tensor；如果需要初始化，请使用 zeros_like 或 ones_like 代替。它可能比那些设置数组值的函数略微快一些。

示例

>>> import maxframe.tensor as mt
>>> a = ([1,2,3], [4,5,6])                         # a is array-like
>>> mt.empty_like(a).execute()
array([[-1073741821, -1073741821,           3],    #ranm
       [          0,           0, -1073741821]])
>>> a = mt.array([[1., 2., 3.],[4.,5.,6.]])
>>> mt.empty_like(a).execute()
array([[ -2.00000715e+000,   1.48219694e-323,  -2.00000572e+000],#random
       [  4.38791518e-305,  -2.00000715e+000,   4.17269252e-309]])