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 равны:

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

Начиная с PyTorch 1.11, для linspace требуется аргумент steps. Чтобы восстановить прежнее поведение, используйте steps=100.

Параметры:

• start (float or Tensor) – начальное значение для набора точек. Если Tensor, оно должно быть нульмерным
• end (float or Tensor) – конечное значение для набора точек. Если Tensor, оно должно быть нульмерным
• steps (int) – размер создаваемого тензора

Именованные аргументы:

• out (Tensor, optional) – выходной тензор.
• dtype (torch.dtype, optional) – тип данных для выполнения вычислений. По умолчанию: если None, используется глобальный тип данных по умолчанию (см. torch.get_default_dtype()), когда start и end являются вещественными числами, и соответствующий комплексный тип данных, если хотя бы одно из них является комплексным числом.
• layout (torch.layout, optional) – требуемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, optional) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет CPU для типов тензоров CPU и текущим устройством CUDA для типов тензоров CUDA.
• requires_grad (bool, optional) – следует ли autograd 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.])