maxframe.tensor.full_like#

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

返回一个与给定张量具有相同形状和类型的全值张量。

参数:

a (array_like) -- a 的形状和数据类型定义了返回张量的这些相同属性。
fill_value (scalar) -- 填充值。
dtype (data-type, optional) -- 覆盖结果的数据类型。
gpu (bool, optional) -- 如果为 True，则在 GPU 上分配张量，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，'A' 表示如果 a 是 Fortran 连续的则为 'F'，否则为 'C'。'K' 表示尽可能匹配 a 的布局。

返回:

out -- 一个与 a 具有相同形状和类型的 fill_value 张量。

返回类型:

Tensor

参见

empty_like: 返回一个与输入具有相同形状和类型的空张量。
ones_like: 返回一个与输入具有相同形状和类型的一张量。
zeros_like: 返回一个与输入具有相同形状和类型的零张量。
full: 返回一个给定形状并填充了值的新张量。

示例

>>> import maxframe.tensor as mt
>>> x = mt.arange(6, dtype=int)
>>> mt.full_like(x, 1).execute()
array([1, 1, 1, 1, 1, 1])
>>> mt.full_like(x, 0.1).execute()
array([0, 0, 0, 0, 0, 0])
>>> mt.full_like(x, 0.1, dtype=mt.double).execute()
array([ 0.1,  0.1,  0.1,  0.1,  0.1,  0.1])
>>> mt.full_like(x, mt.nan, dtype=mt.double).execute()
array([ nan,  nan,  nan,  nan,  nan,  nan])

>>> y = mt.arange(6, dtype=mt.double)
>>> mt.full_like(y, 0.1).execute()
array([ 0.1,  0.1,  0.1,  0.1,  0.1,  0.1])