full

参数

• shape (list|tuple|Tensor|*shape) - 生成的 Tensor 的形状。数据类型为 int32 或 int64。 如果 shape 是 list、tuple，则其中的元素可以是 int，或者是形状为 [] 且数据类型为 int32、int64 的 0-D Tensor。 如果 shape 是 Tensor，则是数据类型为 int32、int64 的 1-D Tensor，表示一个列表。 如果 shape 是 *shape，则可以直接以可变参数的形式传入多个整数（例如 randn(2, 3)）。 该参数的别名为 size。

• fill_value (bool|float|int|Tensor) - 用于初始化输出 Tensor 的常量数据的值。如果 fill_value 是一个 Tensor ，它应该是一个表示标量的 0-D Tensor。注意：该参数不可超过输出变量数据类型的表示范围。

• dtype （str|paddle.dtype|np.dtype，可选）- 输出变量的数据类型，可以是 float16、float32、float64、int32、int64。如果 dytpe 为 None，则创建的 Tensor 的数据类型为 float32。默认值为 None。

• name (str，可选) - 具体用法请参见 api_guide_Name，一般无需设置，默认值为 None。

关键字参数

• out (Tensor，可选) - 用于存储结果的 Tensor。若指定，将直接写入该 Tensor，默认值为 None。

• device (PlaceLike|None，可选) - 期望创建 Tensor 所在的设备。默认值为 None，表示使用当前全局设备（可通过 paddle.device.set_device 设置）。

• requires_grad (bool，可选) - 是否需要为返回的 Tensor 记录梯度信息。默认值为 False。

• pin_memory (bool，可选) - 若为 True，返回的 CPU Tensor 将分配在锁页内存中。仅对 CPU Tensor 生效。默认值为 False。

返回

返回一个存储结果的 Tensor，数据类型和 dtype 相同。

代码示例

>>> import paddle

>>> # shape is a list/tuple
>>> data1 = paddle.full(shape=[3, 2], fill_value=1.)
>>> print(data1.numpy())
[[1. 1.]
 [1. 1.]
 [1. 1.]]

>>> # shape is a Tensor
>>> shape = paddle.to_tensor([3, 2])
>>> data2 = paddle.full(shape=shape, fill_value=2.)
>>> print(data2.numpy())
[[2. 2.]
 [2. 2.]
 [2. 2.]]

>>> # shape is a Tensor List
>>> shape = [paddle.to_tensor(3), paddle.to_tensor(2)]
>>> data3 = paddle.full(shape=shape, fill_value=3.)
>>> print(data3.numpy())
[[3. 3.]
 [3. 3.]
 [3. 3.]]

>>> # fill_value is a Tensor.
>>> val = paddle.full([], 2.0, "float32")
>>> data5 = paddle.full(shape=[3, 2], fill_value=val)
>>> print(data5.numpy())
[[2. 2.]
 [2. 2.]
 [2. 2.]]

使用本API的教程文档¶

• 报错调试
• PyTorch 写法
• PyTorch 写法
• Tensor 介绍
• Paddle Tensor 索引介绍