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 ⌉ leftlceil frac{text{end} - text{start}}{text{step}} rightrceil ⌈stepend−start⌉ 的一维张量，其值介于区间 [ start , end ) lbracktext{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])
