torch.linspace

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

创建一个大小为 steps 的一维张量，其值均匀分布在 start 到 end 之间，包含端点。即，这些值为：

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

从 PyTorch 1.11 开始，linspace 需要 steps 参数。使用 steps=100 来恢复之前的行为。

Parameters

• 开始 (float 或 Tensor) – 点集的起始值。如果 Tensor，它必须是0维的

• 结束 (浮点数 或 张量) – 点集的结束值。如果 张量，它必须是0维的

• 步数 (int) – 构造的张量的大小

Keyword Arguments

• 输出 (张量, 可选) – 输出张量。

• dtype (torch.dtype, 可选) – 执行计算的数据类型。 默认值：如果为 None，则使用全局默认 dtype（参见 torch.get_default_dtype()） 当 start 和 end 都为实数时， 以及当其中任意一个为复数时，使用相应的复数 dtype。

• 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.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.])