PyTorch中Torch.arange函数详解

更新时间：2023年02月03日 14:39:27 作者：_湘江夜话_

PyTorch是由Facebook开发的开源机器学习库,它用于深度神经网络和自然语言处理,下面这篇文章主要给大家介绍了关于PyTorch中Torch.arange函数详解的相关资料,需要的朋友可以参考下

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

返回大小为的一维张量，其值介于区间为步长等间隔取值

参数说明

参数	类型	说明
start	`Number`	起始值，默认值：`0`
end	`Number`	结束值
step	`Number`	步长，默认值：`1`

关键字参数

关键字参数	类型	说明
out	`Tensor`	输出张量
dtype	`torch.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`
layout	`torch.layout`	返回张量的期望 layout。默认值：`torch.strided`
device	`torch.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.set_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_grad	`bool`	autograd 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)

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=True)

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：
tensor([-8., -7., -6., -5., -4., -3., -2., -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)
torch.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函数内容请搜索脚本之家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脚本之家！

您可能感兴趣的文章:

python字符串中加空格的四种方法
本文主要介绍了python字符串中加空格的四种方法,包括使用加法运算符、join()方法、format()方法和f-string,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧
2024-01-01
利用Python编写一个闹钟,治好你的拖延症
起床真是令人困扰的事情，有的人根本不用定闹钟，但有的人提前半个小时闹钟都叫不醒。本文将分享利用Python编写的闹钟脚本，希望能治好你的拖延症
2022-02-02
使用Python实现快速复制或剪切文件列表中的所有文件
在程序开发的过程中,处理文件是我们日常工作中一个很重要的环节,所以这篇文章小编就来和大家一起聊聊如何用Python来快速复制或剪切一个文件列表中的所有文件吧
2025-04-04
Python bisect_left 函数使用场景详解
在Python的编程世界中,数据处理和搜索操作是非常常见的任务,bisect_left函数是Python标准库bisect模块中的一个强大工具,接下来,我们将详细探讨bisect_left函数的使用场景,需要的朋友可以参考下
2024-11-11
Python使用multiprocessing模块实现多进程并发处理大数据量的示例代码
这篇文章主要介绍了Python使用multiprocessing模块实现多进程并发处理大数据量的示例代码,本文通过示例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧
2024-01-01
Python3进制之间的转换代码实例
这篇文章主要介绍了Python3进制之间的转换代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-08-08
Scala中使用Jsoup库处理HTML文档的案例分析
Scala是一种多范式的编程语言,具有函数式编程和面向对象编程的特点,同时也能够与Java语言完美兼容,它拥有强大的类型推断、高阶函数、模式匹配等特性,使得代码更加简洁、灵活和易于维护,这篇文章主要介绍了Scala中使用Jsoup库处理HTML文档的案例分析,需要的朋友可以参考下
2024-04-04
Python容错的前缀树实现中文纠错
本文使用 Python 实现了前缀树，并且支持编辑距离容错的查询。文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-07-07
Python+Tkinter实现股票K线图的绘制
K线图又称蜡烛图，常用说法是“K线”。K线是以每个分析周期的开盘价、最高价、最低价和收盘价绘制而成。本文将利用Python+Tkinter实现股票K线图的绘制，需要的可以参考一下
2022-08-08
pygame仿office的页面切换功能(完整代码)
本文通过两个版本给大家介绍pygame实现类似office的页面切换功能,代码简单易懂，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-05-05