---

torch.empty 是 PyTorch 中的一個函數，用于創建一個指定形狀的張量，但不會對張量中的數據進行初始化。這意味著生成的張量包含內存中隨機的“垃圾數據”，它們的值是不確定的。

---

詳細解釋

1. 基本功能

• 未初始化內存：
  torch.empty 分配內存空間給張量，但不會對空間中的每個元素進行賦值初始化。結果是張量中的數據可能是內存中之前殘留的隨機值，因此其值是不可預測的。

• 用途：
  當你需要一個張量來存放后續計算的結果時，可以使用 torch.empty 以節省初始化的時間開銷。如果你馬上會用新的數據覆蓋這些值，使用 torch.empty 是一種高效的方法。

2. 語法

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

• size：張量的形狀，可以是一個整數序列。例如 (3, 4) 表示創建一個 3 行 4 列的張量。
• dtype：數據類型，例如 torch.float32、torch.int64 等。默認取決于 PyTorch 的全局設置。
• device：設備，可以是 "cpu" 或 "cuda" 等，用于指定張量存放的位置。
• requires_grad：是否對張量計算梯度，默認為 False。

3. 示例代碼

示例 1：創建一個 5 的未初始化張量

import torchx = torch.empty(5)
print(x)

輸出可能類似于（每次運行結果可能不同）：

tensor([3.1183e-25, 1.2416e-42, 0.0000e+00, 0.0000e+00, 0.0000e+00])

示例 2：創建一個 2×3 的未初始化張量

import torchx = torch.empty(2, 3)
print(x)

輸出可能類似于（每次運行結果可能不同）：

tensor([[4.6000e-41, 0.0000e+00, 2.8026e-45],[0.0000e+00, 4.6000e-41, 0.0000e+00]])

這里輸出的數字是內存中的隨機值。

示例 3：指定數據類型和設備

x = torch.empty((2, 3), dtype=torch.float32, device='cpu', requires_grad=True)
print(x)

這將創建一個 2×3 的張量，數據類型為 float32，在 CPU 上，并且設置了 requires_grad=True 用于后續自動求導。

4. 注意事項

• 不要依賴初始值：
  因為 torch.empty 返回的張量中數據是未初始化的，所以在使用前必須顯式賦值或覆蓋這些數據，否則可能導致錯誤的計算結果。

• 與 torch.zeros/torch.ones 的區別：
  如果你需要一個所有元素初始化為 0 的張量，可以使用 torch.zeros；如果需要初始化為 1，則使用 torch.ones。
  而 torch.empty 則更快，因為它不執行初始化操作，但其內容不確定。

---

torch.empty 是一種高效的張量創建方式，但必須謹慎使用，確保在使用張量之前已經對其內容進行了正確的賦值。