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 ⌈ end − start step ⌉ \left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil ⌈stepend−start⌉ 的一维张量,其值介于区间 [ start , end ) \lbrack\text{start}, \text{end}\rparen [start,end) ,以 step \text{step} 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
-
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])