torch.range¶

torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor¶

返回一个大小为 $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ 的 1-D 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

此功能已被弃用，将在未来的版本中删除，因为其行为与 Python 的内置 range 函数不一致。请改用 torch.arange() ，它产生[start, end)范围内的值。

参数:

关键字参数:

输出（张量，可选）- 输出张量。
dtype ( torch.dtype ，可选) – 返回张量的期望数据类型。默认：如果 None ，则使用全局默认值（见 torch.set_default_dtype() ）。如果没有指定 dtype，则从其他输入参数推断数据类型。如果 start、end 或 step 中的任何一个为浮点数，则推断 dtype 为默认数据类型，见 get_default_dtype() 。否则，dtype 推断为 torch.int64。
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.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])

文档