torch.linspace

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

创建一个大小为steps的一维张量，其值从start到end均匀分布（包含起始和结束值）。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 版本开始，linspace 函数需要指定步骤参数。使用 steps=100 可以恢复之前的默认行为。

参数

• start (float 或 Tensor) – 点集的起始值。如果为 Tensor 类型，必须是0维的。

• end (float 或 Tensor) – 结束值。如果为Tensor，必须是0维的。

• steps (int) – 指定构建的张量的大小

关键字参数

• out (Tensor, 可选) – 指定输出张量。

• dtype (torch.dtype, 可选) – 执行计算的数据类型。默认情况下，如果为 None，则在start 和 end 均为实数时使用全局默认数据类型（参见 torch.get_default_dtype()），当其中一个为复数时则使用相应的复数数据类型。

• 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.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.])