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

  • Python如何通过变量ID得到变量的值

    Python如何通过变量ID得到变量的值

    这篇文章主要介绍了Python如何通过变量ID得到变量的值，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
    2022-05-05
  • Django JSonResponse对象的实现

    Django JSonResponse对象的实现

    本文主要介绍了Django JSonResponse对象的实现，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，需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03
  • 基于Python实现报表自动化并发送到邮箱

    基于Python实现报表自动化并发送到邮箱

    作为数据分析师，我们需要经常制作统计分析图表。但是报表太多的时候往往需要花费我们大部分时间去制作报表。本文将利用Python实现报表自动化并发送到邮箱，需要的可以参考一下
    2022-07-07
  • Python读取Json字典写入Excel表格的方法

    Python读取Json字典写入Excel表格的方法

    这篇文章主要为大家详细介绍了Python读取Json字典写入Excel表格的方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2018-01-01
  • Django ORM数据库操作处理全面指南

    Django ORM数据库操作处理全面指南

    本文深度探讨Django ORM的概念、基础使用、进阶操作以及详细解析在实际使用中如何处理数据库操作,同时,我们还讨论了模型深入理解,如何进行CRUD操作,并且深化理解到数据库迁移等高级主题
    2023-09-09
  • 计算python脚本执行时间的多种方法

    计算python脚本执行时间的多种方法

    在编写Python脚本时,了解脚本的执行时间通常是很有用的,特别是在优化代码或评估性能时,Python提供了多种方法来测量脚本的执行时间,从内置模块到第三方库,可以选择适合你需求的方式,本文将介绍计算 Python 脚本执行时间的多种方法,需要的朋友可以参考下
    2023-11-11
  • pytorch实现线性回归以及多元回归

    pytorch实现线性回归以及多元回归

    这篇文章主要为大家详细介绍了pytorch实现线性回归以及多元回归，文中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
    2021-04-04
  • PyTorch 检查GPU版本是否安装成功的操作

    PyTorch 检查GPU版本是否安装成功的操作

    这篇文章主要介绍了PyTorch 检查GPU版本是否安装成功的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03
  • pandas DataFrame.shift()函数的具体使用

    pandas DataFrame.shift()函数的具体使用

    本文主要介绍了pandas DataFrame.shift()函数的使用，pandas DataFrame.shift()函数可以把数据移动指定的位数，有需要了解pandas DataFrame.shift()用法的朋友可以参考一下
    2021-05-05
  • Python生成随机数组的方法小结

    Python生成随机数组的方法小结

    这篇文章主要介绍了Python生成随机数组的方法,结合实例形式总结分析了Python使用random模块生成随机数与数组操作相关技巧,需要的朋友可以参考下
    2017-04-04

最新评论