torch.range¶
- torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) Tensor ¶
返回大小为 的一维张量,其值从
start
到end
,步长为step
。步长是张量中两个值之间的间隔。警告
此函数已弃用,将在未来版本中移除,因为其行为与 Python 的 range 内置函数不一致。请改用
torch.arange()
,它生成 [start, end) 范围内的值。- 参数
- 关键字参数
out (Tensor, 可选) – 输出张量。
dtype (
torch.dtype
,可选) – 返回张量的所需数据类型。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中的任何一个是浮点数,则dtype被推断为默认dtype,参见get_default_dtype()
。否则,dtype被推断为torch.int64。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.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])