torch.logspace

torch.logspace(start, end, steps, base=10.0, *, 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，其值在以 base 為底的對數尺度上，從 ${{\text{{base}}}}^{{\text{{start}}}}$ 到 ${{\text{{base}}}}^{{\text{{end}}}}$ 均勻間隔（包含）。也就是說，這些值為：

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

從 PyTorch 1.11 開始，logspace 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。如果為 Tensor，則必須是 0 維。

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

• steps (int) – 建構的張量的大小。

• base (float, optional) – 對數函數的底數。 預設值：10.0。

關鍵字參數

• out (Tensor, optional) – 輸出張量。

• dtype (torch.dtype, optional) – 執行計算時使用的資料類型。預設值：如果為 None，當 start 和 end 都是實數時，使用全域預設資料類型 (參見 torch.get_default_dtype())，當其中一個是複數時，使用對應的複數資料類型。

• layout (torch.layout, optional) – 返回的 Tensor 的期望記憶體佈局。預設值：torch.strided。

• device (torch.device, optional) – 返回的 tensor 的期望裝置。預設值：如果為 None，則使用預設 tensor 類型的當前裝置 (參見 torch.set_default_device())。 device 對於 CPU tensor 類型將會是 CPU，對於 CUDA tensor 類型將會是當前的 CUDA 裝置。

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

範例

>>> torch.logspace(start=-10, end=10, steps=5)
tensor([ 1.0000e-10,  1.0000e-05,  1.0000e+00,  1.0000e+05,  1.0000e+10])
>>> torch.logspace(start=0.1, end=1.0, steps=5)
tensor([  1.2589,   2.1135,   3.5481,   5.9566,  10.0000])
>>> torch.logspace(start=0.1, end=1.0, steps=1)
tensor([1.2589])
>>> torch.logspace(start=2, end=2, steps=1, base=2)
tensor([4.0])