Python PyTorch range用法及代码示例

本文简要介绍python语言中 torch.range 的用法。

用法:

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

参数：

• start(float) -点集的起始值。默认值：0。

• end(float) -点集的结束值

• step(float) -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。

返回大小为 \left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1 的一维张量，其值从 start 到 end，步骤为 step 。步长是张量中两个值之间的差距。

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

警告

此函数已弃用，并将在未来的版本中删除，因为它的行为与 Python 的内置范围不一致。相反，请使用 torch.arange() ，它会在 [start, end) 中生成值。

例子：

>>> torch.range(1, 4)
tensor([ 1.,  2.,  3.,  4.])
>>> torch.range(1, 4, 0.5)
tensor([ 1.0000,  1.5000,  2.0000,  2.5000,  3.0000,  3.5000,  4.0000])