torch.logspace

torch.logspace(start, end, steps, base=10.0, *, 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，其值在以 base 为底的对数尺度上从 ${{\text{{base}}}}^{{\text{{start}}}}$ 到 ${{\text{{base}}}}^{{\text{{end}}}}$ 均匀分布，包含两端。即，这些值是：

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

从 PyTorch 1.11 版本开始，logspace 函数需要 steps 参数。使用 steps=100 以恢复之前的默认行为。

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

• base（浮点数，可选）- 对数函数的底数。默认值： 10.0 。

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.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])