在 PyTorch 中排列

請我喝杯咖啡☕

*備忘錄：

• 我的貼文解釋了 linspace()。
• 我的貼文解釋了 logspace()。

arange() 可以在 start 和 end-1 之間建立零或整數或浮點數的一維張量（start

*備忘錄：

• arange() 可以與 torch 一起使用，但不能與張量一起使用。
• torch 的第一個參數是 start（可選-預設：0-類型：int、float、complex 或 bool）： *備忘錄
  • 它必須小於或等於end。
  • int、float、complex 或 bool 的 0D 張量也適用。
• torch 的第二個參數是 end（必要型別：int、float、complex 或 bool）： *備註：
  • 它必須大於或等於start。
  • int、float、complex 或 bool 的 0D 張量也適用。
• torch 的第三個參數是步驟（可選-預設：1-類型：int、float、complex 或 bool）： *備註：
  • 它必須大於0。
  • int、float、complex 或 bool 的 0D 張量也適用。
• torch 有 dtype 參數（可選-預設：無型別：dtype）： *備註：
  • 如果為None，則從start、end或step推斷，然後對於浮點數，使用get_default_dtype()。 *我的貼文解釋了 get_default_dtype() 和 set_default_dtype()。
  • 必須使用 dtype=。
  • 我的帖子解釋了 dtype 參數。
• torch 有裝置參數（可選-預設：無-型別：str、int 或 device()）： *備註：
  • 如果為 None，則使用 get_default_device()。 *我的貼文解釋了 get_default_device() 和 set_default_device()。
  • 必須使用 device=。
  • 我的帖子解釋了設備參數。
• torch 有 require_grad 參數（可選-預設：False-Type：bool）： *備註：
  • require_grad=必須使用。
  • 我的帖子解釋了 require_grad 參數。
• torch 存在 out 參數（可選-預設：無-型別：張量）： *備註：
  • 必須使用 out=。
  • 我的貼文解釋了論點。
• range() 與 arange() 類似，但 range() 已被棄用。

import torch

torch.arange(end=5)
# tensor([0, 1, 2, 3, 4])

torch.arange(start=5, end=15)
# tensor([5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

torch.arange(start=5, end=15, step=3)
# tensor([5, 8, 11, 14])

torch.arange(start=-5, end=5)
# tensor([-5, -4, -3, -2, -1, 0, 1, 2, 3, 4])

torch.arange(start=-5, end=5, step=3)
torch.arange(start=torch.tensor(-5),
             end=torch.tensor(5),
             step=torch.tensor(3))
# tensor([-5, -2, 1, 4])

torch.arange(start=-5., end=5., step=3.)
torch.arange(start=torch.tensor(-5.),
             end=torch.tensor(5.),
             step=torch.tensor(3.))
# tensor([-5., -2., 1., 4.])

torch.arange(start=-5.+0.j, end=5.+0.j, step=3.+0.j)
torch.arange(start=torch.tensor(-5.+0.j),
             end=torch.tensor(5.+0.j),
             step=torch.tensor(3.+0.j))
# tensor([-5., -2., 1., 4.])

torch.arange(start=False, end=True, step=True)
torch.arange(start=torch.tensor(False),
             end=torch.tensor(True),
             step=torch.tensor(True))
# tensor([0])

以上是在 PyTorch 中排列的詳細內容。更多資訊請關注PHP中文網其他相關文章！