Pytorch 两个重要函数：`new_ones`和`ones`

在本文中，我们将介绍PyTorch库中的两个重要函数：new_ones和ones。这两个函数都用于创建一个指定形状的张量，并填充为1。然而，它们在内部实现和用法上有一些不同之处。让我们深入了解它们的区别以及何时使用哪个函数。

ones函数

首先，让我们看看ones函数。ones函数用于创建一个由1组成的张量，其形状由用户指定。让我们举一个简单的示例来说明其用法：

import torch

# 创建一个形状为(2, 3)的张量，填充为1
x = torch.ones(2, 3)
print(x)

以上代码将创建一个2行3列的张量，并将其填充为1。输出结果如下所示：

tensor([[1., 1., 1.],
        [1., 1., 1.]])

我们可以看到，ones函数根据指定的形状创建了一个张量，并以1来填充所有位置。

new_ones函数

接下来，我们来看看new_ones函数。new_ones函数采用与ones相同的参数，但其内部实现稍有不同。让我们看一个示例代码：

import torch

# 创建一个形状为(2, 3)的张量，填充为1
x = torch.Tensor().new_ones((2, 3))
print(x)

与ones函数相比，new_ones函数使用了一种不同的方式来创建张量。输出结果与前面的示例相同：

tensor([[1., 1., 1.],
        [1., 1., 1.]])

在这个示例中，我们可以看到new_ones函数同样创建了一个2行3列的张量，并且填充为1。然而，new_ones函数与ones函数的实现方式略有不同，这涉及到底层的内存分配和张量视图的机制。

两者的区别

虽然ones和new_ones都用于创建填充为1的张量，但它们在内部实现上有一些区别。下面是它们的主要区别：

ones函数会创建一个新的张量，并将其填充为1。这意味着它会分配一块新的内存来存储张量，并且不会共享内存。
new_ones函数通过改变底层张量的形状来创建填充为1的张量，而不是在内存中分配新的空间。这意味着它会共享内存，与原始张量具有相同的存储空间和偏移量。

在实际使用中，我们可以根据自己的需求选择使用哪个函数。如果我们需要创建一个新的张量，并且不希望与其他张量共享内存，那么我们可以使用ones函数。如果我们希望创建一个与其他张量共享内存的张量，并且只需更改其形状和/或大小，那么new_ones函数是更好的选择。

让我们通过一个示例来进一步说明这一点：

import torch

# 创建一个形状为(2, 3)的原始张量，填充为1
original_tensor = torch.ones(2, 3)

# 使用ones函数创建一个新的张量
new_tensor = torch.ones_like(original_tensor)
print(new_tensor)

# 使用new_ones函数创建一个新的张量
shared_tensor = torch.Tensor().new_ones(original_tensor.shape)
print(shared_tensor)

在这个示例中，我们首先创建一个形状为(2,3)的原始张量original_tensor，并将其填充为1。然后，我们使用ones函数和new_ones函数分别创建了一个新的张量new_tensor和一个与original_tensor共享内存的张量shared_tensor。

接下来，让我们修改original_tensor的值，并查看对应的new_tensor和shared_tensor的值。代码如下：

# 修改原始张量的值
original_tensor[0, 0] = 2

# 查看对应的新的张量的值
print(new_tensor)
print(shared_tensor)

预期的输出结果应如下所示：

tensor([[1., 1., 1.],
        [1., 1., 1.]])
tensor([[2., 1., 1.],
        [1., 1., 1.]])

我们可以看到，new_tensor保持不变，而shared_tensor的值也随之改变。这是因为ones函数创建了一个新的张量，不与original_tensor共享内存，所以它的值保持不变。而new_ones函数创建的shared_tensor与original_tensor共享内存，因此在修改original_tensor之后，shared_tensor的值也随之改变。

总结

在本文中，我们介绍了PyTorch库中的new_ones和ones函数，它们都用于创建填充为1的指定形状的张量。尽管它们在功能上相似，但在内部实现和用法上有一些不同。ones函数会创建一个新的张量，并填充为1，不与其他张量共享内存。而new_ones函数则通过改变底层张量的形状来创建张量，与原始张量共享内存。我们可以根据需要选择使用哪个函数，以便在创建张量时达到最佳性能和内存管理。

通过本文，我们希望读者能够更好地理解new_ones和ones函数的区别，以及何时使用它们。掌握这些概念将有助于您更加灵活地使用PyTorch库来处理张量操作和内存管理。