torch.linspace

torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

创建一个一维张量，大小为 steps，其值在 start 到 end 之间均匀分布，包含端点。也就是说，这些值是

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

从 PyTorch 1.11 开始，linspace 需要 steps 参数。使用 steps=100 可恢复先前的行为。

参数:

• start (float 或 Tensor) – 一组点的起始值。如果为 Tensor，则必须是 0 维的

• end (float 或 Tensor) – 一组点的结束值。如果为 Tensor，则必须是 0 维的

• steps (int) – 所构造张量的大小

关键字参数:

• out (Tensor, optional) – 输出张量。

• dtype (torch.dtype, optional) – 用于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（参见 torch.get_default_dtype()）；当其中任一为复数时，使用相应的复数 dtype。

• layout (torch.layout, 可选) – 返回张量的所需布局。默认：torch.strided。

• device (torch.device, 可选) – 返回张量的所需设备。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()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，device 将是当前的 CUDA 设备。

• requires_grad (bool, optional) – 如果 autograd 应记录在返回的张量上的操作。默认值：False。

示例

>>> torch.linspace(3, 10, steps=5)
tensor([  3.0000,   4.7500,   6.5000,   8.2500,  10.0000])
>>> torch.linspace(-10, 10, steps=5)
tensor([-10.,  -5.,   0.,   5.,  10.])
>>> torch.linspace(start=-10, end=10, steps=5)
tensor([-10.,  -5.,   0.,   5.,  10.])
>>> torch.linspace(start=-10, end=10, steps=1)
tensor([-10.])