开发者

PyTorch中Torch.arange函数详解

开发者 https://www.devze.com 2023-02-04 09:24 出处:网络 作者: _湘江夜话_
目录torch.arange函数详解函数原型用法参数说明关键字参数代码示例pyTorch中torch.range()和torch.arange()的区别总结torch.arange函数详解
目录
  • torch.arange函数详解
  • 函数原型
  • 用法
  • 参数说明
  • 关键字参数
  • 代码示例
  • pyTorch中torch.range()和torch.arange()的区别
  • 总结

torch.arange函数详解

官方文档:torch.arange

函数原型

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

用法

返回大小为

PyTorch中Torch.arange函数详解

一维张量,其值介于区间

PyTorch中Torch.arange函数详解

为步长等间隔取值

参数说明

参数类型说明
startNumber起始www.devze.com值,默认值:0
endNumber结束值
stepNumber步长,默认值:1

关键字参数

关键字参数类型说明
outTensor输出张量
dtypetorch.dtype期望的返回张量的数据类型。默认值:如果是None,则使用全局默认值。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被推断为默认值,参见 get_default_dtype()。否则,dtype 被推断为 torch.int64
layouttorch.layout返回张量的期望 layout。默认值:torch.strided
devicetorch.device返回张量的期望设备。默认值:如果是None,则使用当前设备作为默认张量类型,参见torch.sjavascriptet_default_tensor_type()。对于 CPU 类型的张量,则 device 是 CPU ,若是 CUDA 类型的张量,则 device 是当前的 CUDA 设备
requires_gradboolautograd 是否记录返回张量上所作的操作。默认值:False

代码示例

    >>> torch.arange(5)  # 默认以 0 为起点
    tensor([ 0,  1,  2,  3,  4])
    >>> torch.arange(1, 4)  # 默认间隔为 1
    tensor([ 1,  2,  3])
    >>> torch.arange(1, 2.5, 0.5)  # 指定间隔 0.5
    tensor([ 1.0000,  1.5000,  2.0000])

pyTorch中torch.range()和torch.arange()的区别

torch.range()和torch.arange()的区别

x = torch.range(-8, 8)
y = torch.arange(-8, 8)
print(x, x.dtype)
print(y, y.dtype)

output:

   tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7., 8.]) torch.float32

   tensor([-8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7]) torch.int64

可以看到,torch.range()的范围是[-8, 8],类型为torch.float32

torch.arange()的范围是[-8, 8),类型为torch.int64

在梯度设置时会出现错误:

x = torch.range(-8, 8, 1, requires_grad=True)
y = torch.arange(-8, 8, 1, requires_grad=True)
print(x, x.dtype)
print(y, y.dtype)

PyTorch中Torch.arange函数详解

即只有当类型为float时才可设置requires_grad=True,故可将

y = torch.arange(-8, 8, 1, requires_grad=Truepython)

改为以下,即手动改变数据类型即可。

y = torch.arange(-8.0, 8.0, 1.0, requires_grad=True)

output:

 &ens开发者_C学习p; tensor([-8., -7., -6., -5., -4., -3., -2.javascript, -1., 0., 1., 2., 3., 4., 5.,6., 7., 8.], requires_grad=True)

   torch.float32

   tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7.], requires_grad=True)

   toandroidrch.float32

总结

到此这篇关于PyTorch中Torch.arange函数的文章就介绍到这了,更多相关PyTorch Torch.arange函数内容请搜索我们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我们!

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号