Python PyTorch arange用法及代码示例

本文简要介绍python语言中 torch.arange 的用法。

用法:

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

参数：

• start(数字) -点集的起始值。默认值：0。

• end(数字) -点集的结束值

• step(数字) -每对相邻点之间的间隙。默认值：1。

关键字参数：

• out(Tensor,可选的) -输出张量。

• dtype(torch.dtype， 可选的) -返回张量的所需数据类型。默认值：如果 None ，使用全局默认值(参见 torch.set_default_tensor_type() )。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 dtype，请参阅 get_default_dtype() 。否则， dtype 被推断为 torch.int64 。

• layout(torch.layout， 可选的) -返回张量的所需布局。默认值：torch.strided。

• device(torch.device， 可选的) -返回张量的所需设备。默认值：如果 None ，使用当前设备作为默认张量类型(参见 torch.set_default_tensor_type() )。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• requires_grad(bool,可选的) -如果 autograd 应该在返回的张量上记录操作。默认值：False。

返回一个大小为 \left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil 的一维张量，其值来自区间 [start, end) 的值，并从 start 开始，采用公差 step。

请注意，与 end 进行比较时，非整数 step 会出现浮点舍入错误；为避免不一致，我们建议在这种情况下向 end 添加一个小 epsilon。

\text{out}_{{i+1}} = \text{out}_{i} + \text{step}

例子：

>>> torch.arange(5)
tensor([ 0,  1,  2,  3,  4])
>>> torch.arange(1, 4)
tensor([ 1,  2,  3])
>>> torch.arange(1, 2.5, 0.5)
tensor([ 1.0000,  1.5000,  2.0000])