深入浅出Pytorch函数——torch.zeros

7月前作者：von Neumann 分类：Toy博客阅读(43) 违法举报

这篇具有很好参考价值的文章主要介绍了深入浅出Pytorch函数——torch.zeros。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

分类目录：《深入浅出Pytorch函数》总目录
相关文章：
· 深入浅出Pytorch函数——torch.Tensor
· 深入浅出Pytorch函数——torch.ones
· 深入浅出Pytorch函数——torch.zeros
· 深入浅出Pytorch函数——torch.full
· 深入浅出Pytorch函数——torch.ones_like
· 深入浅出Pytorch函数——torch.zeros_like
· 深入浅出Pytorch函数——torch.full_like

语法

torch.zeros(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

参数

size：大小，定义输出张量形状的整数序列。可以是可变数量的参数或集合，如：列表或元组。
out：[可选，Tensor] 输出张量
dtype：[可选，torch.dtype] 返回张量的所需数据类型。如果为None，则使用全局默认值（参考torch.set_default_tensor_type()）。
layout：[可选，torch.layout] 返回张量的期望内存布局形式，默认为torch.strided。
device：返回张量的期望计算设备。如果为None，使用当前的设备（参考torch.set_default_tensor_type()），设备将CPU用于CPU张量类型，将CUDA设备用于CUDA张量类型。
requires_grad：[可选，bool] 是否需要自动微分，默认为False。

返回值

返回一个每个元素都是0、形状为size、数据类型为dtype的Tensor。文章来源地址https://www.toymoban.com/news/detail-466976.html

实例

>>> torch.zeros(2, 3)
tensor([[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]])

>>> torch.zeros(5)
tensor([ 0.,  0.,  0.,  0.,  0.])

到了这里，关于深入浅出Pytorch函数——torch.zeros的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

深入浅出Pytorch函数——torch.max

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum torch.max 有三种输入形式，根据其输入形式及参数的不同有下列三种返回形式： torch.max(input) ：返回输入张量所有元素的最大值。 torch.max(input, dim, keep

2024年02月15日
浏览(32)
深入浅出Pytorch函数——torch.exp

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.exp · 深入浅出TensorFlow2函数——tf.math.exp · 深入浅出Pytorch函数——torch.exp · 深入浅出PaddlePaddle函数——paddle.exp 对输入 input 逐元素进行以自然数 e e e 为底指数运算。语法参数 input ：[ Te

2024年02月11日
浏览(32)
深入浅出Pytorch函数——torch.squeeze

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.squeeze · 深入浅出Pytorch函数——torch.unsqueeze 将输入张量形状为1的维度去除并返回。比如输入向量的形状为 A × 1 × B × 1 × C × 1 × D Atimes1times Btimes1times Ctimes1times D A × 1 × B × 1 × C × 1 ×

2024年02月16日
浏览(34)
深入浅出Pytorch函数——torch.sum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.reduce_sum · 深入浅出TensorFlow2函数——tf.math.reduce_sum · 深入浅出Pytorch函数——torch.sum · 深入浅出PaddlePaddle函数——paddle.sum 语法参数 input ：[ Tensor ] 输入的张量。 dim ：[可选, int / tuple ] 求和

2024年02月04日
浏览(57)
深入浅出Pytorch函数——torch.tensor

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.constant · 深入浅出Pytorch函数——torch.tensor · 深入浅出Pytorch函数——torch.as_tensor · 深入浅出Pytorch函数——torch.Tensor · 深入浅出PaddlePaddle函数——paddle.to_tensor 基于 data 构建一个没有梯度历史

2024年02月04日
浏览(84)
深入浅出Pytorch函数——torch.t

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.transpose · 深入浅出Pytorch函数——torch.t · 深入浅出Pytorch函数——torch.transpose · 深入浅出PaddlePaddle函数——paddle.transpose 语法参数 input : [Tensor] 输入的张量。返回值被转置的张量。实例

2024年02月11日
浏览(36)
深入浅出Pytorch函数——torch.ones

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2023年04月26日
浏览(90)
深入浅出Pytorch函数——torch.maximum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum 计算 input 和 other 的元素最大值。语法参数 input ：[ Tensor ] 输入张量 other ：[ Tensor ] 输入的第二个张量实例

2024年02月15日
浏览(31)
深入浅出PyTorch函数torch.rand与torch.randn

torch.rand 和 torch.randn 都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。 torch.rand 生成在区间 [0, 1) 内均匀分布的随机数。 size 参数是一个表示所需张量形状的元组或整数。可以生成任何形状的随机张量。 torch.randn 生成从标准正态分布（均值为0，标准

2024年02月09日
浏览(29)
深入浅出Pytorch函数——torch.Tensor.backward

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor 计算当前张量相对于图的梯度，该函数使用链式法则对图进行微分。如果张量不是一个标量（即其数据具有多个元素）并且需要梯度，则函数还需要指定梯度，指定的梯度应该是一个与

2024年02月15日
浏览(36)