torch.range¶

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

返回一个大小为 $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ 的 1 维张量，其值从 start 到 end，步长为 step。步长是张量中两个值之间的间隔。

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

警告

此函数已弃用，并将在未来版本中移除，因为它与 Python 内置的 range 函数行为不一致。请改用 torch.arange()，该函数生成范围在 [start, end) 的值。

参数

关键字参数

out (Tensor, 可选) – 输出张量。
dtype (torch.dtype, 可选) – 返回张量的期望数据类型。默认值：如果为 None，则使用全局默认值（参见 torch.set_default_dtype()）。如果未给出 dtype，则从其他输入参数推断数据类型。如果 start、end 或 step 中任一个为浮点数，则推断 dtype 为默认数据类型，参见 get_default_dtype()。否则，推断 dtype 为 torch.int64。
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 CUDA 设备。
requires_grad (bool, 可选) – 如果 autograd 应该记录对返回张量的操作。默认值：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])

文档