【pytorch】torch.range() 和 torch.arange() ==>以step为间隔输出从start到end的张量列表
Parameters
start (Number) – the starting value for the set of points. Default:
0
.end (Number) – the ending value for the set of points
step (Number) – the gap between each pair of adjacent points. Default:
1
.
>>> y=torch.range(1,6)
>>> y
tensor([1., 2., 3., 4., 5., 6.])
>>> y.dtype
torch.float32>>> z=torch.arange(1,6)
>>> z
tensor([1, 2, 3, 4, 5])
>>> z.dtype
torch.int64
总结:
torch.range(start=1, end=6)
的结果是会包含end
的,
而torch.arange(start=1, end=6)
的结果并不包含end
。- 两者创建的
tensor
的类型也不一样。
更多例子:
>>> torch.arange(5)
tensor([ 0, 1, 2, 3, 4])
>>> torch.arange(1, 4)
tensor([ 1, 2, 3])
>>> torch.arange(1, 2.5, 0.5)
tensor([ 1.0000, 1.5000, 2.0000])
pytorch.range() 和 pytorch.arange() 的区别_哪惧明天,风高路斜-CSDN博客
torch.arange — PyTorch 1.10.0 documentation
【pytorch】torch.range() 和 torch.arange() ==>以step为间隔输出从start到end的张量列表相关推荐
- torch.range()和torch.arange()
示例文件 test.py import torchx = torch.arange(0, 6) print(x) print(x.type()) y = torch.range(0, 6) print ...
- torch.range()和torch.arange()的区别
1. torch.arange()方法可以通过输出一个值来进行创建随机数,而torch.range()不可以: 2. torch.arange()不包含end的值.
- torch.arange()和torch.range()的区别
1.最值得注意的区别 # torch.arange() x = torch.arange(1.0,6.0) print(x)输出:tensor([1., 2., 3., 4., 5.]) # torc ...
- Pytorch torch.range()torch.arange()
torch.range(start=1, end=6) 结果是会包含end的,创建的tensor的类型为float32. torch.range(start=0, end, step=1, *, ou ...
- torch.arange (不是 torch.range,不要用torch.range)
arange(lower, upper) [lower, upper) 左闭右开区间. ex1 T = torch.arange(0,5) print(T) T = torch.arange(0,1) ...
- torch.arange()与torch.range()
torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requi ...
- Pytorch高效降低内存 torch.utils.checkpoint()的使用
文章目录 一.Checkpoint 机制 二. torch.utils.checkpoint() 介绍 1.官网文档 2.源代码: 3 .补充 4.说明 三. 几个使用示例 3. 1 示例1 3.2 ...
- PyTorch:tensor、torch.nn、autograd、loss等神经网络学习手册(持续更新)
PyTorch1:tensor2.torch.nn.autograd.loss等神经网络学习手册(持续更新) 链接:画图.读写图片 文章目录 一.tensor 二.完整训练过程:数据.模型.可学习参数 ...
- PyTorch学习笔记:torch.optim---Optimizer以及lr_scheduler
本文参考 PyTorch optim文档 1 概述 1.1 PyTorch文档:torch.optim解读 下图是optim的文档 TORCH.OPTIM torch.optim is a packa ...
最新文章
- Jenkins插件之环境变量插件EnvInject
- 【C language】函数指针
- STM32 基础系列教程 47 - MD5
- isis学不到looback口的路由_使用路由器后测速达不到宽带的网速怎么办?
- vue前端怎么导出图片_vue前端实现导出表格
- 使用计算机绘制景物图像的两个主要步骤是,计算机11考试.doc
- 产品经理进行时间管理的6个核心点
- Oracle Linux 6下安装Oracle 12C实战
- 启动docker时映射到宿主机时出现 usrbindocker-current Error response from daemon driver failed
- 漏洞复现篇——ewebeditor编辑器解析漏洞
- 2018前端走向全栈,Nodejs快速入门视频教程
- 华为S5700实战配置
- 测试系统导出Excel无法打开
- AGV路径规划方法——A*算法
- 百度智能云开物秀出全年成绩,发布和升级五大新产品
- 2D DenseUnet-based脑胶质瘤分割BraTs+论文翻译+代码实现
- 1、Ray基本原理及使用
- 补码和原码的转化过程
- 记录一下用过的正则表达式
- 人工智能(Artificial Intelligence),英文缩写为AI
热门文章
- MySQL修改配置 区分大小写
- maven 引入war
- 响应式设计之 —— 视口
- 如何使用 backupninja 来备份 Debian 系统
- androidannotations gradle Android Studio
- java抽象类例子_关于java抽象类的例子
- linux 脚本调用企业微信_shell或python调用企业微信发送消息(实现报警功能)
- OJ1031: 判断点在第几象限
- 信息学奥赛一本通 1110:查找特定的值 | OpenJudge NOI 1.9 01
- 信息学奥赛一本通 1031:反向输出一个三位数 | OpenJudge NOI 1.3 13