torch.range#

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

返回一个一维张量，大小为 $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ ，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

此函数已被弃用，并将在未来版本中移除，因为其行为与 Python 的内置 `range` 不一致。请改用 torch.arange()，它会生成 [start, end) 范围内的值。

参数

关键字参数

out (Tensor, optional) – 输出张量。
dtype (torch.dtype, 可选) – 返回张量所需的数据类型。默认值：如果为 None，则使用全局默认值（参见 torch.set_default_dtype()）。如果未给定 dtype，则根据其他输入参数推断数据类型。如果 start、end 或 step 中任何一个是浮点数，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) – 返回张量所需的布局。默认值：torch.strided。
device (torch.device, 可选) – 返回张量所需的设备。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，将是当前的 CUDA 设备。
requires_grad (bool, 可选) – 是否应让自动梯度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