Python PyTorch logspace用法及代码示例

本文简要介绍python语言中 torch.logspace 的用法。

用法:

torch.logspace(start, end, steps, base=10.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

参数：

• start(float) -点集的起始值

• end(float) -点集的结束值

• steps(int) -构造张量的大小

• base(float,可选的) -对数函数的底。默认值：10.0。

关键字参数：

• out(Tensor,可选的) -输出张量。

• dtype(torch.dpython：类型,可选的) -执行计算的数据类型。默认值：如果为无，当 start 和 end 都是实数时使用全局默认 dtype(参见 torch.get_default_dtype())，并且当两者都是复数时使用相应的复数 dtype。

• 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。

创建一个大小为 steps 的一维张量，其值在 {{\text{{base}}}}^{{\text{{start}}}} 到 {{\text{{base}}}}^{{\text{{end}}}} 之间均匀分布，包括以 base 为底的对数刻度。也就是说，这些值为：

(\text{base}^{\text{start}}, \text{base}^{(\text{start} + \frac{\text{end} - \text{start}}{ \text{steps} - 1})}, \ldots, \text{base}^{(\text{start} + (\text{steps} - 2) * \frac{\text{end} - \text{start}}{ \text{steps} - 1})}, \text{base}^{\text{end}})

警告

不建议为steps 提供值。为了向后兼容，不提供 steps 的值将创建一个具有 100 个元素的张量。请注意，此行为未反映在记录的函数签名中，不应依赖。在未来的PyTorch 版本中，未能为steps 提供值将引发运行时错误。

例子：

>>> torch.logspace(start=-10, end=10, steps=5)
tensor([ 1.0000e-10,  1.0000e-05,  1.0000e+00,  1.0000e+05,  1.0000e+10])
>>> torch.logspace(start=0.1, end=1.0, steps=5)
tensor([  1.2589,   2.1135,   3.5481,   5.9566,  10.0000])
>>> torch.logspace(start=0.1, end=1.0, steps=1)
tensor([1.2589])
>>> torch.logspace(start=2, end=2, steps=1, base=2)
tensor([4.0])