Table of Contents
Shortcuts

torch.logspace

torch.logspace(start, end, steps, base=10.0, *, 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，其值在 basestart{{\text{{base}}}}^{{\text{{start}}}} 到 baseend{{\text{{base}}}}^{{\text{{end}}}} 之间均匀分布，在以 base 为底的对数尺度上。即，这些值是：

(basestart,base(start+end−startsteps−1),…,base(start+(steps−2)∗end−startsteps−1),baseend)(\text{base}^{\text{start}}, \text{base}^{(\text{start} + \frac{\text{end} - \text{start}}{ \text{steps} - 1})}, \ldots, \text{base}^{(\text{start} + (\text{steps} - 2) * \frac{\text{end} - \text{start}}{ \text{steps} - 1})}, \text{base}^{\text{end}})

从 PyTorch 1.11 开始，logspace 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

  • base (float, 可选) – 对数函数的底数。默认值：10.0。

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.logspace(start=-10, end=10, steps=5)
tensor([ 1.0000e-10,  1.0000e-05,  1.0000e+00,  1.0000e+05,  1.0000e+10])
>>> torch.logspace(start=0.1, end=1.0, steps=5)
tensor([  1.2589,   2.1135,   3.5481,   5.9566,  10.0000])
>>> torch.logspace(start=0.1, end=1.0, steps=1)
tensor([1.2589])
>>> torch.logspace(start=2, end=2, steps=1, base=2)
tensor([4.0])
优云智算