mindspore.Tensor.set_

查看源文件
mindspore.Tensor.set_(source=None, storage_offset=0, size=None, stride=None) → Tensor

设置底层存储、大小和步长。如果 source 是一个张量，则 self 张量将与之共享相同的存储，并具有相同的大小和步长。对其中一个张量元素的修改将会反映在另一个张量上。

该方法支持多种参数组合，合法调用签名如下：

  • set_() -> Tensor： 无参调用，会将当前张量设置为一个未初始化的空张量。

  • set_(source: Storage) -> Tensor： 将 self 张量的底层存储设置为 Storage 。

  • set_(source: Storage, storage_offset: int, size: tuple | list, stride: tuple | list) -> Tensor： 将 self 张量的底层存储设置为 Storage，同时将 self 张量的大小和步长设置为参数提供的 size 和 stride 。

  • set_(source: Tensor) -> Tensor： 将 self 张量与 source 张量共享相同的底层存储，同时 self 张量的 storage_offset、size 和 stride 与 source 张量相同。

  • set_(source: Tensor, storage_offset: int, size: tuple | list, stride: tuple | list) -> Tensor： 将 self 张量与 source 张量共享相同的底层存储，同时将 self 张量的大小和步长设置为参数提供的 size 和 stride 。

说明

  • 如果当前张量调用 set_ 时的设备为 CPU ，后续需要在 Ascend 上使用，建议显式将张量拷贝到 Ascend 上使用。

  • 如果当前张量调用 set_ 时的设备为 CPU ，如果设置张量的底层存储不连续，会导致后续 CPU 上的原地（in-place）修改不生效。

参数：

  • source (Tensor或Storage) - 需要共享底层存储的Tensor或Storage。

  • storage_offset (int) - 指定当前张量相对于底层存储的偏移量。

  • size (tuple或list) - 指定当前张量在底层存储中的大小。

  • stride (tuple或list, 可选) - 指定当前张量在底层存储中的步长。默认值： None ，默认使用行连续的步长。

异常：

  • TypeError - 入参类型不符合要求，或入参个数不匹配。

  • RuntimeError - 如果传入的 size 与 self 原本的 size 相同，这时设置的底层大小超过了 source 的底层大小。

  • RuntimeError - 传入的 storage_offset 小于0。

  • RuntimeError - 设置的 size 中存在小于0的数。

  • RuntimeError - 设置的 stride 中存在小于0的数。

  • RuntimeError - 设置的 size 和 stride 的元素个数不相同。

  • RuntimeError - 设置的 size 的元素个数超过8。

  • RuntimeError - 当 source 为Tensor类型，同时参数提供了 size 等参数， 但 source 张量不连续。

  • RuntimeError - 当 source 为Tensor类型，同时没有提供其他参数， self 张量和 source 的 dtype 不相同。

  • RuntimeError - 当 source 为Storage类型， self 张量和 source 的 dtype 不相同。

  • RuntimeError - self 张量和 source 的 device 不相同。

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> data = ms.Tensor([10, 20, 30], dtype = ms.float32)
>>> target = ms.Tensor(np.zeros(3))
>>> print(target)
[0., 0., 0.]
>>> target.set_(data)
>>> print(target)
[10., 20., 30.]