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
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）
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）
# 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
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。- 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。
- 常用参数：
size（形状）、dtype（数据类型）、device（存储设备）。