脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → pytorch.range()和pytorch.arange()的区别

pytorch.range()和pytorch.arange()的区别及说明

 更新时间：2023年08月03日 14:28:37   作者：小饼干超人  
这篇文章主要介绍了pytorch.range()和pytorch.arange()的区别及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

pytorch.range()和pytorch.arange()的区别

>>> y=torch.range(1,6)
>>> y
tensor([1., 2., 3., 4., 5., 6.])
>>> y.dtype
torch.float32
>>> z=torch.arange(1,6)
>>> z
tensor([1, 2, 3, 4, 5])
>>> z.dtype
torch.int64

心得

  • torch.range(start=1, end=6) 的结果是会包含end的，而
  • torch.arange(start=1, end=6)的结果并不包含end。
  • 两者创建的tensor的类型也不一样。

参考：

torch.range

torch.arange

Pytorch torch.range()&torch.arange()

torch.range(start=1, end=6)

结果是会包含end的，创建的tensor的类型为float32。

torch.arange(start=1, end=6)

结果并不包含end，创建的tensor的类型为int64。

代码

>>> y=torch.range(1,6)
>>> y
tensor([1., 2., 3., 4., 5., 6.])
>>> y.dtype
torch.float32
>>> z=torch.arange(1,6)
>>> z
tensor([1, 2, 3, 4, 5])
>>> z.dtype
torch.int64

pytorch torch.arange

应用

>>> torch.arange(5)
tensor([ 0,  1,  2,  3,  4])

API

torch.arange(start=0, end, step=1, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
参数描述
start (Number)
end (Number)
step (Number)
out (Tensor, optional)
dtype (torch.dtype, optional)
layout (torch.layout, optional)
device (torch.device, optional)
requires_grad (bool, optional)

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

最新评论