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！
