torch.linspace

torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

建立一個大小為 steps 的一維張量，其值在 start 和 end 之間均勻間隔（包含端點）。也就是說，這些值是

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

從 PyTorch 1.11 開始，linspace 需要 steps 引數。使用 steps=100 可以恢復之前的行為。

引數

• start (float 或 Tensor) – 點集的起始值。如果是 Tensor，它必須是 0 維張量。

• end (float 或 Tensor) – 點集的結束值。如果是 Tensor，它必須是 0 維張量。

• steps (int) – 構建的張量的大小。

關鍵字引數

• out (Tensor, 可選) – 輸出張量。

• dtype (torch.dtype, 可選) – 執行計算的資料型別。預設值：如果為 None，當 start 和 end 都是實數時，使用全域性預設 dtype (參閱 torch.get_default_dtype())；當其中任一為複數時，使用相應的複數 dtype。

• layout (torch.layout, 可選) – 返回張量的期望佈局。預設值：torch.strided。

• device (torch.device, 可選) – 返回張量的期望裝置。預設值：如果為 None，則使用預設張量型別的當前裝置 (參閱 torch.set_default_device())。device 將是 CPU 張量型別的 CPU，以及 CUDA 張量型別的當前 CUDA 裝置。

• requires_grad (bool, 可選) – 如果 autograd 應該記錄返回張量上的操作。預設值：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.])