为什么 Pytorch 中未初始化的张量有初始值？
Why unintialized tensor in Pytorch have initial values?
手电筒命令
x = torch.Tensor(4, 3)
应该创建一个未初始化的张量（基于文档）。
但是当我们尝试打印 x 的内容时，那里有值。
>>>from __future__ import print_function
>>>print(x)
0.0000e+00 -8.5899e+09 6.1021e-38
8.5920e+09 1.7470e-21 4.5806e-41
0.0000e+00 0.0000e+00 0.0000e+00
0.0000e+00 0.0000e+00 0.0000e+00
[torch.FloatTensor of size 4x3]
那么这里的uninitialized是什么意思呢？
意思是PyTorch只是在内存中为张量保留了一定的区域，并没有改变它的内容。
这部分内存之前被其他东西占用（另一个张量或完全不同的东西，如浏览器、代码编辑器......如果你使用 CPU 内存）。出于性能原因，之后不会清除其中的值。
内容（以前可能完全不同）只是解释为张量的值。
写入零或其他一些初始化需要计算能力，因此只保留内存中的区域要快得多。
但是这些值也是完全不受控制的，值可以增长到很高，所以在很多情况下你可能会做额外的初始化。
手电筒命令
x = torch.Tensor(4, 3)
应该创建一个未初始化的张量（基于文档）。 但是当我们尝试打印 x 的内容时，那里有值。
>>>from __future__ import print_function
>>>print(x)
0.0000e+00 -8.5899e+09 6.1021e-38
8.5920e+09 1.7470e-21 4.5806e-41
0.0000e+00 0.0000e+00 0.0000e+00
0.0000e+00 0.0000e+00 0.0000e+00
[torch.FloatTensor of size 4x3]
那么这里的uninitialized是什么意思呢？
意思是PyTorch只是在内存中为张量保留了一定的区域，并没有改变它的内容。
这部分内存之前被其他东西占用（另一个张量或完全不同的东西，如浏览器、代码编辑器......如果你使用 CPU 内存）。出于性能原因，之后不会清除其中的值。
内容（以前可能完全不同）只是解释为张量的值。
写入零或其他一些初始化需要计算能力，因此只保留内存中的区域要快得多。
但是这些值也是完全不受控制的，值可以增长到很高，所以在很多情况下你可能会做额外的初始化。