Python Pytorch arange()用法及代码示例

PyTorch是由Facebook开发的开源机器学习库。它用于深度神经网络和自然语言处理。

函数torch.arange()返回大小的一维张量 $\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil$
从间隔的值从开始就采取共同的差异步骤。

$out_{i+1} = out_i + step$

用法:torch.arange(start=0, end, step=1, out=None)

参数：
start：点集的起始值。默认值：0。
end：点集的最终值
step：每对相邻点之间的间隙。默认值：1。
out(Tensor, optional)：输出张量

返回类型：张量

代码1：

# Importing the PyTorch library 
import torch 
  
  
# Applying the arange function and 
# storing the resulting tensor in 't' 
a = torch.arange(3) 
print("a = ", a) 
  
b = torch.arange(1, 6) 
print("b = ", b) 
  
c = torch.arange(1, 5, 0.5) 
print("c = ", c)

输出：

a =  tensor([0, 1, 2])
b =  tensor([1, 2, 3, 4, 5])
c =  tensor([1.0000, 1.5000, 2.0000, 2.5000, 3.0000, 3.5000, 4.0000, 4.5000])

请注意，与末尾比较时，非整数步骤易受浮点舍入误差的影响；为避免不一致，在这种情况下，建议在末端增加一个小的epsilon。

相关用法

注：本文由纯净天空筛选整理自sanskar27jain大神的英文原创作品 Python Pytorch arange() method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。