torch.linspace

torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

创建一个大小为 steps 的一维张量，其值在 start 和 end 之间均匀间隔（包含端点）。也就是说，这些值是

$$(\text{start}, \text{start} + \frac{\text{end} - \text{start}}{\text{steps} - 1}, \ldots, \text{start} + (\text{steps} - 2) * \frac{\text{end} - \text{start}}{\text{steps} - 1}, \text{end})$$

从 PyTorch 1.11 开始，linspace 需要 steps 参数。使用 steps=100 可以恢复之前的行为。

参数

• start (float 或 Tensor) – 点集的起始值。如果是 Tensor，它必须是 0 维张量。

• end (float 或 Tensor) – 点集的结束值。如果是 Tensor，它必须是 0 维张量。

• steps (int) – 构建的张量的大小。

关键字参数

• out (Tensor, 可选) – 输出张量。

• dtype (torch.dtype, 可选) – 执行计算的数据类型。默认值：如果为 None，当 start 和 end 都是实数时，使用全局默认 dtype (参阅 torch.get_default_dtype())；当其中任一为复数时，使用相应的复数 dtype。

• layout (torch.layout, 可选) – 返回张量的期望布局。默认值：torch.strided。

• device (torch.device, 可选) – 返回张量的期望设备。默认值：如果为 None，则使用默认张量类型的当前设备 (参阅 torch.set_default_device())。device 将是 CPU 张量类型的 CPU，以及 CUDA 张量类型的当前 CUDA 设备。

• requires_grad (bool, 可选) – 如果 autograd 应该记录返回张量上的操作。默认值：False。

示例

>>> torch.linspace(3, 10, steps=5)
tensor([  3.0000,   4.7500,   6.5000,   8.2500,  10.0000])
>>> torch.linspace(-10, 10, steps=5)
tensor([-10.,  -5.,   0.,   5.,  10.])
>>> torch.linspace(start=-10, end=10, steps=5)
tensor([-10.,  -5.,   0.,   5.,  10.])
>>> torch.linspace(start=-10, end=10, steps=1)
tensor([-10.])