Table of Contents
Shortcuts

torch.arange

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

返回一个大小为 ⌈end−startstep⌉\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil 的一维张量，其值从区间 [start, end) 中以公差 step 开始，从 start 开始。

请注意，当与end进行比较时，非整数step会受到浮点数舍入误差的影响；为了避免不一致性，我们建议在这种情况下从end中减去一个小的epsilon。

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

  • 开始 (数字) – 点集的起始值。默认值：0。

  • 结束 (数字) – 点集的结束值

  • 步长 (数字) – 每对相邻点之间的间隔。默认值: 1。

Keyword Arguments

  • 输出 (张量, 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 None，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 start、end 或 stop 中的任何一个为浮点数，则 dtype 被推断为默认数据类型，参见 get_default_dtype()。否则，dtype 被推断为 torch.int64。

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

  • 设备 (torch.device, 可选) – 返回张量所需的设备。 默认值：如果 None，则使用默认张量类型的当前设备 （参见 torch.set_default_device()）。device 将是 CPU 用于 CPU 张量类型，以及当前 CUDA 设备用于 CUDA 张量类型。

  • requires_grad (布尔值, 可选) – 如果 autograd 应该记录对返回张量的操作。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])
优云智算