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。也就是说，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 steps 参数。使用 steps=100 以恢复之前的用法。

参数:

• start（浮点数或 Tensor）- 点集的起始值。如果是 Tensor，它必须是 0 维的

• end（浮点数或 Tensor）- 点集的结束值。如果是 Tensor，它必须是 0 维的

• steps（整数）- 构造张量的大小

关键字参数:

• 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：如果为 None，则在 start 和 end 均为实数时使用全局默认数据类型（见 torch.get_default_dtype()），当其中任意一个是复数时，使用相应的复数数据类型。

• layout ( torch.layout ，可选) – 返回 Tensor 的期望布局。默认： torch.strided 。

• device ( torch.device ，可选) – 返回张量的期望设备。默认：如果 None ，则使用当前设备用于默认张量类型（见 torch.set_default_device() ）。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• requires_grad (bool，可选) – 如果 autograd 应记录对返回张量的操作。默认： 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.])