maxframe.tensor.zeros#

maxframe.tensor.zeros(shape, dtype=None, chunk_size=None, gpu=None, sparse=False, order='C')[源代码]#

返回一个给定形状和类型的全零新张量。

参数:

  • shape (int or sequence of ints) -- 新张量的形状，例如 (2, 3) 或 2。

  • dtype (data-type, optional) -- 数组所需的数据类型，例如 mt.int8。默认为 mt.float64。

  • chunk_size (int or tuple of int or tuple of ints, optional) -- 每个维度上的期望块大小

  • gpu (bool, optional) -- 如果为 True，则在 GPU 上分配张量，默认为 False

  • sparse (bool, optional) -- 如果为 True，则创建稀疏张量，默认为 False

  • order ({'C', 'F'}, optional, default: 'C') -- 是否以行主序 (C 风格) 或列主序 (Fortran 风格) 在内存中存储多维数据。

返回:

out -- 给定形状、数据类型和存储顺序的全零张量。

返回类型:

Tensor

参见

zeros_like

返回一个与输入具有相同形状和类型的全零张量。

ones_like

返回一个与输入具有相同形状和类型的全一张量。

empty_like

返回一个与输入具有相同形状和类型的未初始化张量。

ones

返回一个将值设为 1 的新张量。

empty

返回一个未初始化的新张量。

示例

>>> import maxframe.tensor as mt
>>> mt.zeros(5).execute()
array([ 0.,  0.,  0.,  0.,  0.])

>>> mt.zeros((5,), dtype=int).execute()
array([0, 0, 0, 0, 0])

>>> mt.zeros((2, 1)).execute()
array([[ 0.],
       [ 0.]])

>>> s = (2,2)
>>> mt.zeros(s).execute()
array([[ 0.,  0.],
       [ 0.,  0.]])

>>> mt.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]).execute() # custom dtype
array([(0, 0), (0, 0)],
      dtype=[('x', '<i4'), ('y', '<i4')])