Python PyTorch arange用法及代碼示例

本文簡要介紹python語言中 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

參數：

• start(數字) -點集的起始值。默認值：0。

• end(數字) -點集的結束值

• step(數字) -每對相鄰點之間的間隙。默認值：1。

關鍵字參數：

• out(Tensor,可選的) -輸出張量。

• dtype(torch.dtype， 可選的) -返回張量的所需數據類型。默認值：如果 None ，使用全局默認值(參見 torch.set_default_tensor_type() )。如果未給出 dtype，則從其他輸入參數推斷數據類型。如果 start 、 end 或 stop 中的任何一個是浮點數，則 dtype 被推斷為默認 dtype，請參閱 get_default_dtype() 。否則， dtype 被推斷為 torch.int64 。

• layout(torch.layout， 可選的) -返回張量的所需布局。默認值：torch.strided。

• device(torch.device， 可選的) -返回張量的所需設備。默認值：如果 None ，使用當前設備作為默認張量類型(參見 torch.set_default_tensor_type() )。 device 將是 CPU 張量類型的 CPU 和 CUDA 張量類型的當前 CUDA 設備。

• requires_grad(bool,可選的) -如果 autograd 應該在返回的張量上記錄操作。默認值：False。

返回一個大小為 \left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil 的一維張量，其值來自區間 [start, end) 的值，並從 start 開始，采用公差 step。

請注意，與 end 進行比較時，非整數 step 會出現浮點舍入錯誤；為避免不一致，我們建議在這種情況下向 end 添加一個小 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])