正如tensor.new（）的文档所说：
构造一个与selfTensor数据类型相同的newTensor。
另请注意：
对于CUDATensor，此方法将在与此Tensor相同的设备上创建新Tensor。

在PyTorch的新版本中，似乎有许多不同的new_*方法旨在取代这个“遗留”new方法。
因此，如果你有一些Tensort = torch.randn((3, 4))，那么你可以使用以下方法之一来构建一个具有相同类型和设备的新Tensor，这取决于你的目标：

t = torch.randn((3, 4))
a = t.new_tensor([1, 2, 3])  # same type, device, new data
b = t.new_empty((3, 4))      # same type, device, non-initialized
c = t.new_zeros((2, 3))      # same type, device, filled with zeros
...

个字符

这里是一个使用new()的简单用例和示例，因为如果没有这个，这个函数的实用性就不是很清楚。
假设你想给Tensor（或变量）添加高斯噪声，而事先不知道它的数据类型是什么。
这将创建一个高斯噪声Tensor，其形状和数据类型与变量X相同：

noise_like_grad = X.data.new(X.size()).normal_(0,0.01)

字符串
这个例子还说明了new(size)的用法，这样我们就得到了一个与X类型和大小相同的Tensor。

我找到了一个答案。它用于创建一个新的相同类型的Tensor。

投票的答案是正确的。我想补充一点：我认为从pytorch文档中，我们实际上找不到新方法的解释。我猜原因是这个方法是由C实现的，而不是Python。