一、作用
创建一个新的Tensor，该Tensor的type和device都和原有Tensor一致，且无内容。
二、使用方法
如果随机定义一个大小的Tensor，则新的Tensor有两种创建方法，如下：
inputs = torch.randn(m, n) new_inputs = inputs.new() new_inputs = torch.Tensor.new(inputs)
三、具体代码
import torch
rectangle_height = 1
rectangle_width = 4
inputs = torch.randn(rectangle_height, rectangle_width)
for i in range(rectangle_height):
for j in range(rectangle_width):
inputs[i][j] = (i + 1) * (j + 1)
print("inputs:", inputs)
new_inputs = inputs.new()
print("new_inputs:", new_inputs)
# Constructs a new tensor of the same data type as self tensor.
print(new_inputs.type(), inputs.type())
print('')
inputs = inputs.squeeze(dim=0)
print("inputs:", inputs)
# new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)
print("new_inputs:", new_inputs)
# Constructs a new tensor of the same data type as self tensor.
print(new_inputs.type(), inputs.type())
if torch.cuda.is_available():
device = torch.device("cuda")
inputs, new_inputs = inputs.to(device), new_inputs.to(device)
print(inputs.device, new_inputs.device)
结果如下：
可以看到不论inputs是多少维的，新建的new_inputs的type和device都与inputs保持一致
inputs: tensor([[1., 2., 3., 4.]]) new_inputs: tensor([]) torch.FloatTensor torch.FloatTensor inputs: tensor([1., 2., 3., 4.]) new_inputs: tensor([]) torch.FloatTensor torch.FloatTensor cuda:0 cuda:0
四、实际应用（添加噪声）
可以对Tensor添加噪声，添加如下代码即可实现：
noise = inputs.data.new(inputs.size()).normal_(0,0.01) print(noise)
结果如下：
tensor([ 0.0062, 0.0137, -0.0209, 0.0072], device='cuda:0')
以上这篇Pytorch中.new()的作用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
