Pytorch常用函数用法归纳:创建tensor张量

1.torch.arange()

(1)函数原型

python 复制代码

torch.arange(start,end,step,*,out,dtype,layout=,device,requires_grad)

(2)参数说明:

|---------------|--------------|--------------------------------------------------------------------------------------------------------------------|
| 参数名称 | 参数类型 | 参数说明 |
| start | Number | 起始值，默认值为0 |
| end | Number | 结束值，取不到，为开区间 |
| step | Number | 步长值，默认为1 |
| out | Tensor | 输出的张量，，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| dtype | torch.dtype | 期望返回的张量的数据类型，如果是None,则使用全局默认值，如果未给出dtype,则从其他输入参数推断数据类型，如果start、end或stop中的任何一个是浮点数，则dtype被推断为默认值，否则被推断为torch.int64 |
| layout | torch.layout | 返回张量的期望 layout,默认值为torch.strided |
| device | torch.device | 返回张量的期望设备。如果是默认值None，则使用当前设备作为默认张量类型，对于CPU类型的张量，则device是CPU;若是CUDA 类型的张量，则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False，表示不记录 |

(3)函数功能:

返回大小为[(end-start)/step]的一维张量，其值为区间**[start,end)**中给定步长为step的等间隔取值

2.torch.range()

(1)函数原型:

java 复制代码

torch.range(start,end,step,*,out,dtype,layout,device=None,requires_grad)

(2)参数说明:

|---------------|--------------|--------------------------------------------------------------------------------------------------------------------|
| 参数名称 | 参数类型 | 参数说明 |
| start | Number | 起始值，默认值为0 |
| end | Number | 结束值，可以取到，为闭区间 |
| step | Number | 步长值，默认为1 |
| out | Tensor | 输出的张量，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| dtype | torch.dtype | 期望返回的张量的数据类型，如果是None,则使用全局默认值;如果未给出dtype,则从其他输入参数推断数据类型;如果start、end或stop中的任何一个是浮点数，则dtype被推断为默认值;否则被推断为torch.int64 |
| layout | torch.layout | 返回张量的期望layout,默认值为torch.strided,对性能影响不大 |
| device | torch.device | 返回张量的设备。默认值None表示使用当前设备作为默认张量类型;对于CPU类型的张量则device是CPU;若是CUDA 类型的张量则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False，表示不记录 |

(3)函数功能:

返回大小为[(end-start)/step]的一维张量，其值为区间**[start,end]**中给定步长为step的等间隔取值