torch.logspace

torch.logspace(start, end, steps, base=10.0, *, 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，其值在对数尺度上从 ${{\text{{base}}}}^{{\text{{start}}}}$ 到 ${{\text{{base}}}}^{{\text{{end}}}}$ 均匀分布（包含两端），对数底为 base。也就是说，这些值是

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

从 PyTorch 1.11 开始，logspace 需要 steps 参数。使用 steps=100 可以恢复先前的行为。

参数

• start (float or Tensor) – 点集的起始值。如果为 Tensor，它必须是 0 维的。

• end (float or Tensor) – 点集的结束值。如果为 Tensor，它必须是 0 维的。

• steps (int) – 构建的张量的大小。

• base (float, optional) – 对数函数的底数。默认值：10.0。

关键字参数

• out (Tensor, optional) – 输出张量。

• dtype (torch.dtype, optional) – 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 (见 torch.get_default_dtype())，当其中任一是复数时使用对应的复数 dtype。

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

• device (torch.device, optional) – 返回的张量的期望设备。默认值：如果 None，则对默认张量类型使用当前设备 (见 torch.set_default_device())。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，将是当前的 CUDA 设备。

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

示例

>>> torch.logspace(start=-10, end=10, steps=5)
tensor([ 1.0000e-10,  1.0000e-05,  1.0000e+00,  1.0000e+05,  1.0000e+10])
>>> torch.logspace(start=0.1, end=1.0, steps=5)
tensor([  1.2589,   2.1135,   3.5481,   5.9566,  10.0000])
>>> torch.logspace(start=0.1, end=1.0, steps=1)
tensor([1.2589])
>>> torch.logspace(start=2, end=2, steps=1, base=2)
tensor([4.0])