深入浅出Pytorch函数——torch.arange

10月前作者：von Neumann 分类：Toy博客阅读(55) 违法举报

这篇具有很好参考价值的文章主要介绍了深入浅出Pytorch函数——torch.arange。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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。

返回值

返回以步长step均匀分隔给定数值区间[start , end)长度为 $\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil$ 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 $0$
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 $1$
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！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

深入浅出Pytorch函数——torch.full

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2024年02月07日
浏览(64)
深入浅出Pytorch函数——torch.tensor

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.constant · 深入浅出Pytorch函数——torch.tensor · 深入浅出Pytorch函数——torch.as_tensor · 深入浅出Pytorch函数——torch.Tensor · 深入浅出PaddlePaddle函数——paddle.to_tensor 基于 data 构建一个没有梯度历史

2024年02月04日
浏览(110)
深入浅出Pytorch函数——torch.t

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.transpose · 深入浅出Pytorch函数——torch.t · 深入浅出Pytorch函数——torch.transpose · 深入浅出PaddlePaddle函数——paddle.transpose 语法参数 input : [Tensor] 输入的张量。返回值被转置的张量。实例

2024年02月11日
浏览(56)
深入浅出Pytorch函数——torch.maximum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum 计算 input 和 other 的元素最大值。语法参数 input ：[ Tensor ] 输入张量 other ：[ Tensor ] 输入的第二个张量实例

2024年02月15日
浏览(57)
深入浅出Pytorch函数——torch.zeros

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2024年02月07日
浏览(70)
深入浅出Pytorch函数——torch.max

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum torch.max 有三种输入形式，根据其输入形式及参数的不同有下列三种返回形式： torch.max(input) ：返回输入张量所有元素的最大值。 torch.max(input, dim, keep

2024年02月15日
浏览(56)
深入浅出PyTorch函数torch.rand与torch.randn

torch.rand 和 torch.randn 都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。 torch.rand 生成在区间 [0, 1) 内均匀分布的随机数。 size 参数是一个表示所需张量形状的元组或整数。可以生成任何形状的随机张量。 torch.randn 生成从标准正态分布（均值为0，标准

2024年02月09日
浏览(51)
深入浅出Pytorch函数——torch.nn.Linear

分类目录：《深入浅出Pytorch函数》总目录对输入数据做线性变换 y = x A T + b y=xA^T+b y = x A T + b 语法参数 in_features ：[ int ] 每个输入样本的大小 out_features ：[ int ] 每个输出样本的大小 bias ：[ bool ] 若设置为 False ，则该层不会学习偏置项目，默认值为 True 变量形状输入变量：

2024年02月12日
浏览(46)
深入浅出Pytorch函数——torch.nn.Softmax

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 机器学习中的数学——激活函数：Softmax函数 · 深入浅出Pytorch函数——torch.softmax/torch.nn.functional.softmax · 深入浅出Pytorch函数——torch.nn.Softmax 将Softmax函数应用于 n n n 维输入张量，重新缩放它们，使得 n n n 维输出张量的

2024年02月15日
浏览(57)
深入浅出Pytorch函数——torch.nn.Module

分类目录：《深入浅出Pytorch函数》总目录 Pytorch中所有网络的基类，我们的模型也应该继承这个类。 Modules 也可以包含其它 Modules ,允许使用树结构嵌入他们，我们还可以将子模块赋值给模型属性。语法方法 torch.nn.Module.apply 实例通过上面方式赋值的 submodule 会被注册，当调

2024年02月12日
浏览(68)