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,其值从 到 ,包含在内,在以base
为底的对数尺度上均匀分布。也就是说,这些值为从 PyTorch 1.11 开始,logspace 需要 steps 参数。使用 steps=100 可以恢复之前的行为。
- 参数
- 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:如果为 None,则当
start
和end
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,使用相应的复数数据类型。layout (
torch.layout
, 可选) – 返回张量的预期布局。默认:torch.strided
。device (
torch.device
, 可选) – 返回张量的预期设备。默认:如果为None
,则使用当前设备作为默认张量类型(参见torch.set_default_device()
)。device
将是 CPU 用于 CPU 张量类型,以及当前 CUDA 设备用于 CUDA 张量类型。requires_grad (bool, 可选) – 是否应记录返回张量上的操作。默认:
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])