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 Tensor，其值均勻分佈在從 start 到 end (含) 之間。 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 參數。 使用 steps=100 來恢復先前的行為。

參數

• start (float 或 Tensor) – 點集合的起始值。 如果是 Tensor，則必須是 0 維的

• end (float 或 Tensor) – 點集合的結束值。 如果是 Tensor，則必須是 0 維的

• steps (int) – 建構的 tensor 大小

關鍵字參數

• out (Tensor, 可選) – 輸出 tensor。

• dtype (torch.dtype, 可選) – 執行計算的資料類型。 預設值：如果為 None，則當 start 和 end 都是實數時，使用全域預設 dtype (請參閱 torch.get_default_dtype())，當其中一個為複數時，使用對應的複數 dtype。

• layout (torch.layout, 可選) – 返回的 Tensor 的所需 layout。 預設值：torch.strided。

• device (torch.device, 可選) – 返回的 tensor 的所需裝置。 預設值：如果 None，則對預設 tensor 類型使用目前的裝置 (請參閱 torch.set_default_device())。 device 對於 CPU tensor 類型將為 CPU，對於 CUDA tensor 類型將為目前的 CUDA 裝置。

• requires_grad (bool, 可選) – 如果 autograd 應該記錄返回的 tensor 上的操作。 預設值：False。

範例

>>> 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.])