torch.arange

torch.arange(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$\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil$的一维张量，从区间[start, end)中以公差step开始取值。

请注意，当非整数的step与end进行比较时，可能会出现浮点舍入误差；为了避免不一致性，建议在这种情况下从end中减去一个小的epsilon值。

$\text{out}_{{i+1}} = \text{out}_{i} + \text{step}$

参数

• start （数字）- 点集的起始值，默认为 0。

• end (Number) – 点集的结束位置的数值

• step (Number) - 相邻两点之间的间隔。默认值： 1。

关键字参数

• out (Tensor, 可选) – 指定输出张量。

• dtype (torch.dtype, 可选) – 返回张量的数据类型。默认情况下，如果未指定dtype，则使用全局默认数据类型（参见torch.set_default_dtype()）。如果没有明确指定dtype，将根据其他输入参数推断数据类型。如果start、end 或 stop 中的任何一个为浮点数，则默认数据类型为当前默认值（参见get_default_dtype()）。否则，dtype 默认为torch.int64。

• layout (torch.layout, 可选) - 指定返回张量的布局。默认值为 torch.strided。

• device (torch.device, 可选) – 返回张量所需的设备。默认情况下，如果未指定 None，则使用当前的默认张量类型设备（参见torch.set_default_device()）。对于 CPU 张量类型，默认为 CPU 设备；对于 CUDA 张量类型，则为当前的 CUDA 设备。

• requires_grad (bool, optional) – 是否启用自动求导记录返回的张量上的操作。默认值：False。

示例：

>>> torch.arange(5)
tensor([ 0,  1,  2,  3,  4])
>>> torch.arange(1, 4)
tensor([ 1,  2,  3])
>>> torch.arange(1, 2.5, 0.5)
tensor([ 1.0000,  1.5000,  2.0000])