torch.linspace

torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

Создаёт одномерный тензор размера steps, значения которого равномерно распределены от start до end, включительно. То есть, значения будут:

$$(\text{начало}, \text{начало} + \frac{\text{конец} - \text{начало}}{\text{шаги} - 1}, \ldots, \text{начало} + (\text{шаги} - 2) * \frac{\text{конец} - \text{начало}}{\text{шаги} - 1}, \text{конец})$$

Начиная с PyTorch 1.11, linspace требует аргумента шаги. Используйте steps=100, чтобы восстановить предыдущее поведение.

Параметры:

• начало (float) – начальное значение для набора точек
• конец (float) – конечное значение для набора точек
• шаги (int) – размер создаваемого тензора

Ключевые аргументы:

• out (Тензор, необязательно) – выходной тензор.
• dtype (torch.dtype, необязательно) – тип данных для выполнения вычислений. По умолчанию: если None, используется глобальный тип данных по умолчанию (см. torch.get_default_dtype()), когда оба start и end являются вещественными, и соответствующий комплексный тип данных, если хотя бы один из них комплексный.
• layout (torch.layout, optional) – желаемая структура возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, optional) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет ЦП для типов тензоров ЦП и текущее устройство CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательно) – Если автограду следует записывать операции над возвращаемым тензором. По умолчанию: False.

Пример:

>>> 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.])