torch.arange函數詳解

官方文檔：torch.arange

函數原型

arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor

用法

返回大小為的一維張量，其值介于區間 為步長等間隔取值

參數說明

關鍵字參數

代碼示例

    >>> torch.arange(5)  # 默認以 0 為起點
    tensor([ 0,  1,  2,  3,  4])
    >>> torch.arange(1, 4)  # 默認間隔為 1
    tensor([ 1,  2,  3])
    >>> torch.arange(1, 2.5, 0.5)  # 指定間隔 0.5
    tensor([ 1.0000,  1.5000,  2.0000])

pyTorch中torch.range()和torch.arange()的區別

torch.range()和torch.arange()的區別

x = torch.range(-8, 8)
y = torch.arange(-8, 8)
print(x, x.dtype)
print(y, y.dtype)

output：

?? tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7., 8.]) torch.float32
?? tensor([-8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7]) torch.int64

可以看到，torch.range()的范圍是[-8, 8]，類型為torch.float32

torch.arange()的范圍是[-8, 8)，類型為torch.int64

在梯度設置時會出現錯誤：

x = torch.range(-8, 8, 1, requires_grad=True)
y = torch.arange(-8, 8, 1, requires_grad=True)
print(x, x.dtype)
print(y, y.dtype)

即只有當類型為float時才可設置requires_grad=True，故可將

y = torch.arange(-8, 8, 1, requires_grad=True)

改為以下，即手動改變數據類型即可。

y = torch.arange(-8.0, 8.0, 1.0, requires_grad=True)

output：
?? tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7., 8.], requires_grad=True)
?? torch.float32
?? tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7.], requires_grad=True)
?? torch.float32

總結