分类目录:《深入浅出Pytorch函数》总目录
相关文章:
· 深入浅出TensorFlow2函数——tf.range
· 深入浅出Pytorch函数——torch.arange
· 深入浅出PaddlePaddle函数——paddle.arange
语法
torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
当dtype
表示浮点类型时,为了避免浮点计算误差,建议给end
加上一个极小值epsilon
,使边界可以更加明确。文章来源:https://www.toymoban.com/news/detail-443685.html
返回值
返回以步长step
均匀分隔给定数值区间[start , end)
长度为
⌈
end
−
start
step
⌉
\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil
⌈stepend−start⌉的一维张量,数据类型为dtype
。文章来源地址https://www.toymoban.com/news/detail-443685.html
参数
-
start
:张量的起始值,默认值是 0 0 0 -
end
:张量的结束值 -
step
:张量中每对相邻点之间的间隙,默认值是 1 1 1 -
out
:输出张量 -
dtype
:返回张量的所需数据类型。如果为None
,使用全局默认值;如果未指定数据类型,则从其他输入参数推断数据类型。 -
layout
:返回张量的期望布局,默认值为torch.strided
-
device
:期望计算该张量的设备。:如果为None
,使用默认的当前设备(参见torch.set_default_tensor_type()
)。 -
requires_grad
:当前量是否需要在计算中保留对应的梯度信息,默认为False
实例
>>> 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])
到了这里,关于深入浅出Pytorch函数——torch.arange的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!