Torch.arange函数详解

_湘江夜话_

已于 2023-03-15 19:04:56 修改

阅读量4.6w

点赞数 49

文章标签：深度学习 pytorch python

于 2022-09-28 21:16:43 首次发布

本文链接：https://blog.csdn.net/weixin_44504393/article/details/127092330

版权

torch.arange函数详解

官方文档：torch.arange

函数原型

arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor

用法
返回大小为 $\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil$ 的一维张量，其值介于区间 $\lbrack\text{start}, \text{end}\rparen$ ，以 $\text{step}$ 为步长等间隔取值
参数说明

参数类型说明
start Number 起始值，默认值：0
end Number 结束值
step Number 步长，默认值：1

参数	类型	说明
start	`Number`	起始值，默认值：`0`
end	`Number`	结束值
step	`Number`	步长，默认值：`1`

关键字参数

关键字参数	类型	说明
out	`Tensor`	输出张量
dtype	`torch.dtype`	期望的返回张量的数据类型。默认值：如果是`None`，则使用全局默认值。如果未给出 `dtype`，则从其他输入参数推断数据类型。如果 start、end 或 stop 中的任何一个是浮点数，则 `dtype`被推断为默认值，参见 get_default_dtype()。否则，dtype 被推断为 `torch.int64`
layout	`torch.layout`	返回张量的期望布局(`layout`)。默认值：`torch.strided`
device	`torch.device`	返回张量的期望设备。默认值：如果是`None`，则使用当前设备作为默认张量类型，参见 torch.set_default_tensor_type()。对于 CPU 类型的张量，则 `device` 是 CPU ，若是 CUDA 类型的张量，则 `device` 是当前的 CUDA 设备
requires_grad	`bool`	autograd 是否记录返回张量上所作的操作。默认值：`False`

代码示例

    >>> torch.arange(5)  # 默认以 0 为起点
    tensor([ 0,  1,  2,  3,  4])
    >>> torch.arange(1, 4)  # 默认间隔为 1
    tensor([ 1,  2,  3])
    >>> torch.arange(1, 2.5, 0.5)  # 指定间隔 0.5
    tensor([ 1.0000,  1.5000,  2.0000])