torch.range

torch.range(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 $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ 的一维张量，其值从 start 到 end，步长为 step。步长是张量中两个值之间的间隔。

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

警告

此函数已被弃用，并将在未来的版本中移除，因为其行为与Python的内置range不一致。请改用torch.arange()，它生成[start, end)范围内的值。

Parameters

• 开始 (float) – 点集的起始值。默认值：0。

• 结束 (浮点数) – 点集的结束值

• 步长 (float) – 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.range(1, 4)
tensor([ 1.,  2.,  3.,  4.])
>>> torch.range(1, 4, 0.5)
tensor([ 1.0000,  1.5000,  2.0000,  2.5000,  3.0000,  3.5000,  4.0000])