torch.arange

torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

Возвращает одномерный тензор размера $\left\lceil \frac{\text{end} - \text{start}}{\text{step}} \right\rceil$ со значениями из интервала [start, end) с постоянной разностью step, начиная с start.

Примечание. При использовании типов данных с плавающей точкой (особенно типов с пониженной точностью, таких как bfloat16) на результаты могут влиять особенности округления чисел с плавающей точкой. Некоторые значения последовательности могут быть непредставимы точно в определённых форматах с плавающей точкой, что может привести к повторяющимся значениям или неожиданному округлению. Для получения точных последовательностей рекомендуется использовать целочисленные типы данных вместо типов данных с плавающей точкой.

Обратите внимание, что для нецелого значения step при сравнении с end возможны ошибки округления чисел с плавающей точкой; во избежание несогласованности в таких случаях рекомендуется вычитать небольшое значение эпсилон из end.

$$\text{out}_{{i+1}} = \text{out}_{i} + \text{step}$$

Параметры:

• start (Number, необязательно) – начальное значение набора точек. По умолчанию: 0.
• end (Number) – конечное значение набора точек
• step (Number, необязательно) – расстояние между каждой парой соседних точек. По умолчанию: 1.

Именованные аргументы:

• out (Tensor, необязательно) – выходной тензор.
• dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()). Если dtype не задан, тип данных определяется по другим входным аргументам. Если любой из аргументов start, end или step имеет тип с плавающей точкой, для dtype используется тип данных по умолчанию, см. get_default_dtype(). В противном случае для dtype используется тип torch.int64.
• layout (torch.layout, необязательно) – требуемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательно) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет соответствовать CPU для типов тензоров CPU и текущему устройству CUDA для типов тензоров CUDA.
• requires_grad (bool, необязательно) – следует ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.

Пример:

>>> 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])