torch.range#

torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor#

返回一個 1D 張量，大小為 $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ 包含從 start 到 end 的值，步長為 step。步長是張量中兩個相鄰值之間的間隔。

\text{out}_{i+1} = \text{out}_i + \text{step}.

警告

此函式已棄用，將在未來版本中刪除，因為它與 Python 的 range 內建函式行為不一致。請改用 torch.arange()，它會在 [start, end) 範圍內生成值。

引數

關鍵字引數

out (Tensor, optional) – 輸出張量。
dtype (torch.dtype, optional) – 返回張量所需的型別。預設值：如果 None，則使用全域性預設值（請參閱 torch.set_default_dtype()）。如果未提供 dtype，則從其他輸入引數推斷資料型別。如果 start、end 或 step 中的任何一個為浮點數，則 dtype 將推斷為預設資料型別，請參閱 get_default_dtype()。否則，dtype 將推斷為 torch.int64。
layout (torch.layout, 可選) – 返回張量的所需佈局。預設：torch.strided。
device (torch.device, 可選) – 返回張量的所需裝置。預設：如果為 None，則使用當前裝置作為預設張量型別（參見 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU；對於 CUDA 張量型別，device 將是當前的 CUDA 裝置。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

示例

>>> torch.range(1, 4)
tensor([ 1.,  2.,  3.,  4.])
>>> torch.range(1, 4, 0.5)
tensor([ 1.0000,  1.5000,  2.0000,  2.5000,  3.0000,  3.5000,  4.0000])

文件