torch.range

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

Возвращает 1-мерный тензор размера $\left\lfloor \frac{\text{end} - \text{start}}{\text{step}} \right\rfloor + 1$ со значениями от start до end с шагом step. Шаг — это разрыв между двумя значениями в тензоре.

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

Предупреждение

Эта функция устарела и будет удалена в будущей версии, так как её поведение не соответствует встроенной функции Python range. Вместо этого используйте torch.arange(), которая генерирует значения в диапазоне [start, end).

Параметры

• start (float) – начальное значение для набора точек. По умолчанию: 0.
• end (float) – конечное значение для набора точек
• step (float) – разрыв между каждой парой смежных точек. По умолчанию: 1.

Аргументы ключевого слова

• out (Tensor, необязательно) – выходной тензор.
• dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальный параметр по умолчанию (см. torch.set_default_tensor_type()). Если dtype не указан, тип данных определяется по другим входным аргументам. Если любой из start, end, или stop является числом с плавающей точкой, тип dtype определяется как тип данных по умолчанию, см. get_default_dtype(). В противном случае тип dtype определяется как torch.int64.
• layout (torch.layout, необязательно) – желаемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательно) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет CPU для тензоров на CPU и текущее CUDA-устройство для CUDA-тензоров.
• requires_grad (bool, необязательно) – Если автограду следует записывать операции над возвращаемым тензором. По умолчанию: False.

Пример:

>>> torch.range(1, 4)
tensor([ 1.,  2.,  3.,  4.])
>>> torch.range(1, 4, 0.5)
tensor([ 1.0000,  1.5000,  2.0000,  2.5000,  3.0000,  3.5000,  4.0000])