pytorch api文档：torch.empty()建一个未初始化的张量-马育民老师

# 介绍

`torch.empty()` 是 PyTorch 中用于创建一个 **未初始化** 的张量（Tensor）的函数。所谓“未初始化”，意思是张量里的数值是内存中随机的垃圾值（不是 0、1 等有意义的值），它只分配指定形状的内存空间，不填充数据，因此创建速度比 `torch.zeros()`/`torch.ones()` 更快。

# 语法格式

```python
torch.empty(*size, dtype=None, device=None, requires_grad=False, pin_memory=False)
```

### 关键参数说明
| 参数       | 作用                                                                 |
|------------|----------------------------------------------------------------------|
| `*size`    | 必选，指定张量的形状，比如 `2,3` 表示 2 行 3 列的二维张量            |
| `dtype`    | 可选，指定张量的数据类型（如 `torch.float32`、`torch.int64`），默认与默认类型一致 |
| `device`   | 可选，指定张量存储的设备（如 `cpu`、`cuda:0`）                       |
| `requires_grad` | 可选，是否需要计算梯度，默认 `False`                             |

### 注意

- **数值随机**：`torch.empty()` 创建的张量数值无意义，**不能直接用于计算**，必须后续通过赋值（如 `x.fill_(0)`）、运算等方式填充有效数据。
- **速度优势**：相比 `torch.zeros()`/`torch.ones()`，`torch.empty()` 跳过了数据填充步骤，**创建大张量时速度更快**，适合需要先分配内存再手动填充数据的场景。
- **替代场景**：如果需要初始化有意义的值，优先用 `torch.zeros()`（全 0）、`torch.ones()`（全 1）、`torch.rand()`（随机数）等函数。

# 代码示例

### 示例 1：基础使用（创建未初始化张量）
```python
import torch

# 创建 2x3 的未初始化浮点张量
x = torch.empty(2, 3)
print("未初始化的 2x3 张量：")
print(x)
# 输出示例（数值是随机的，每次运行结果不同）：
# tensor([[1.4013e-45, 0.0000e+00, 0.0000e+00],
#         [0.0000e+00, 0.0000e+00, 0.0000e+00]])

# 创建 1 维（长度为 5）的未初始化整型张量
y = torch.empty(5, dtype=torch.int64)
print("\n未初始化的 1 维整型张量：")
print(y)
# 输出示例：tensor([4614256650376698880,                   0, 4614260818437744640,
#                     4614262402468269056, 4614263986498793472])
```

### 示例 2：指定设备（GPU）
```python
# 先检查是否有可用的 GPU
if torch.cuda.is_available():
    # 在 GPU 上创建 3x2 的未初始化张量
    z = torch.empty(3, 2, device="cuda:0")
    print("\nGPU 上的未初始化张量：")
    print(z)
    print("张量设备：", z.device)  # 输出：cuda:0
```

# 总结
1. `torch.empty()` 的核心作用是**创建指定形状的未初始化张量**，仅分配内存，不填充数据。
2. 特点是创建速度快，但张量内数值为随机垃圾值，需手动填充有效数据后才能使用。
3. 常用参数：`size`（形状）、`dtype`（数据类型）、`device`（存储设备）。

原文出处：http://www.malaoshi.top/show_1GW2ao0Cqais.html