PyTorch张量创建问题：如何直接在GPU/指定设备创建张量？new()方法弃用后的替代方案

嘿，很高兴能帮你解决这些PyTorch张量创建的问题！让我一步步给你讲清楚：

• 直接在GPU上创建张量：
  你可以在创建张量时通过device参数直接指定GPU设备，比如：

  # 创建一个在默认CUDA设备上的张量
  gpu_tensor = torch.tensor([1, 2, 3], device="cuda")
  # 或者指定具体的CUDA设备编号
  gpu_tensor = torch.tensor([1, 2, 3], device="cuda:0")
  

  也可以用torch.cuda系列的张量构造器（比如torch.cuda.FloatTensor([1,2,3])），但更推荐前者，因为它更灵活，能兼容CPU/GPU切换。

• 在另一个张量的设备上创建新张量：
  直接复用目标张量的device属性即可，不用手动判断设备类型。比如你有一个张量std，要在它的设备上创建新张量：

  new_tensor = torch.tensor([4, 5, 6], device=std.device)
  

  这样不管std在CPU还是GPU，新张量都会自动在同一个设备上。

你提到的new()方法确实在PyTorch的新版本中被标记为弃用了，现在有更简洁、更符合现代PyTorch风格的方式来替代原来的逻辑：

• 替代std.new().normal_()的最简写法：
  使用torch.empty_like()方法，它会创建一个和输入张量同形状、同设备、同数据类型的空张量，之后再调用normal_()初始化，一行代码就能替代原来的if-else判断：

  eps = torch.empty_like(std).normal_()
  

  这段代码的效果和你原来的if-else完全一致，但不用再手动判断std是否在CUDA上，PyTorch会自动处理设备匹配。

• 如果需要自定义形状（非和输入张量同形状）：
  可以直接在张量构造器中指定device和dtype为目标张量的属性，比如要创建和std同设备、指定形状的正态分布张量：

  eps = torch.randn(std.size(), device=std.device, dtype=std.dtype)
  

  同样不用写if条件，就能保证新张量和std在同一个设备上。

内容的提问来源于stack exchange，提问作者Gulzar