快捷方式

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,其值从 startend 均匀分布,包括端点。也就是说,这些值是

(start,start+endstartsteps1,,start+(steps2)endstartsteps1,end)(\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 可恢复以前的行为。

参数
  • start (floatTensor) – 点集的起始值。如果为 Tensor,则必须为 0 维

  • end (floatTensor) – 点集的结束值。如果为 Tensor,则必须为 0 维

  • steps (int) – 构造的张量的大小

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,则当 startend 均为实数时,使用全局默认数据类型(参见 torch.get_default_dtype()),当其中一个为复数时,使用对应的复数数据类型。

  • layout (torch.layout, 可选) – 返回张量的所需布局。默认值:torch.strided

  • device (torch.device, 可选) – 返回张量的所需设备。默认值:如果为 None,则使用默认张量类型的当前设备(参见 torch.set_default_device())。对于 CPU 张量类型,device 将为 CPU;对于 CUDA 张量类型,device 将为当前 CUDA 设备。

  • requires_grad (bool, 可选) – 是否应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.])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获取问题的解答

查看资源