快捷方式

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 endstartstep+1\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1 的一维张量,其值从 startend,步长为 step。步长是张量中两个值之间的间隔。

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

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
  • start (float) – 点集的起始值。默认值:0

  • end (float) – 点集的结束值

  • step (float) – 每对相邻点之间的间隔。默认值:1

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startendstep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])

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

查找开发资源并获得问题的解答

查看资源