Linspace in PyTorch

Kauf mir einen Kaffee☕

*Memos:

• Mein Beitrag erklärt arange().
• Mein Beitrag erklärt logspace().

linspace() kann den 1D-Tensor von null oder mehr Ganzzahlen, Gleitkommazahlen oder komplexen Zahlen mit gleichmäßigem Abstand zwischen Start und Ende (Start<=x<=End) erstellen, wie unten gezeigt:

*Memos:

• linspace() kann mit Torch, aber nicht mit einem Tensor verwendet werden.
• Das 1. Argument mit Torch ist start(Required-Type:int, float, complex oder bool). *Der 0D-Tensor von int, float, complex oder bool funktioniert auch.
• Das 2. Argument mit Torch ist end(Required-Type:int, float, complex oder bool). *Der 0D-Tensor von int, float, complex oder bool funktioniert auch.
• Das dritte Argument mit Torch ist Schritte(Required-Type:int): *Memos:
  • Es muss größer oder gleich 0 sein.
  • Der 0D-Tensor von int funktioniert auch.
• Es gibt ein dtype-Argument mit Torch (Optional-Default:None-Type:dtype): *Memos:
  • Wenn es None ist, wird es vom Start, Ende oder Schritt abgeleitet, dann wird für Gleitkommazahlen get_default_dtype() verwendet. *Mein Beitrag erklärt get_default_dtype() und set_default_dtype().
  • Das Festlegen von Anfang und Ende des Ganzzahltyps reicht nicht aus, um den 1D-Tensor des Ganzzahltyps zu erstellen, daher muss ein Ganzzahltyp mit dtype festgelegt werden.
  • dtype= muss verwendet werden.
  • Mein Beitrag erklärt das dtype-Argument.
• Es gibt ein Geräteargument mit Torch (Optional-Default:None-Type:str, int oder device()): *Memos:
  • Wenn es None ist, wird get_default_device() verwendet. *Mein Beitrag erklärt get_default_device() und set_default_device().
  • device= muss verwendet werden.
  • Mein Beitrag erklärt das Geräteargument.
• Es gibt das Argument „requires_grad“ mit Torch (Optional-Default:False-Type:bool): *Memos:
  • require_grad= muss verwendet werden.
  • In meinem Beitrag wird das Argument „requires_grad“ erläutert.
• Es gibt kein Argument mit Torch(Optional-Default:None-Type:tensor): *Memos:
  • out= muss verwendet werden.
  • Mein Beitrag erklärt unser Argument.

import torch

torch.linspace(start=10, end=20, steps=0)
torch.linspace(start=20, end=10, steps=0)
# tensor([])

torch.linspace(start=10., end=20., steps=1)
tensor([10.])

torch.linspace(start=20, end=10, steps=1)
# tensor([20.])

torch.linspace(start=10., end=20., steps=2)
# tensor([10., 20.])

torch.linspace(start=20, end=10, steps=2)
# tensor([20., 10.])

torch.linspace(start=10., end=20., steps=3)
# tensor([10., 15., 20.])

torch.linspace(start=20, end=10, steps=3)
# tensor([20., 15., 10.])

torch.linspace(start=10., end=20., steps=4)
# tensor([10.0000, 13.3333, 16.6667, 20.0000])

torch.linspace(start=20., end=10., steps=4)
# tensor([20.0000, 16.6667, 13.3333, 10.0000])

torch.linspace(start=10, end=20, steps=4, dtype=torch.int64)
torch.linspace(start=torch.tensor(10),
               end=torch.tensor(20),
               steps=torch.tensor(4),
               dtype=torch.int64)
# tensor([10.0000, 13.3333, 16.6667, 20.0000])

torch.linspace(start=10.+6.j, end=20.+3.j, steps=4)
torch.linspace(start=torch.tensor(10.+6.j),
               end=torch.tensor(20.+3.j),
               steps=torch.tensor(4))
# tensor([10.0000+6.j, 13.3333+5.j, 16.6667+4.j, 20.0000+3.j])

torch.linspace(start=False, end=True, steps=4)
torch.linspace(start=torch.tensor(True),
               end=torch.tensor(False),
               steps=torch.tensor(4))
# tensor([0.0000, 0.3333, 0.6667, 1.0000])

torch.linspace(start=10, end=20, steps=4, dtype=torch.int64)
torch.linspace(start=torch.tensor(10),
               end=torch.tensor(20),
               steps=torch.tensor(4), dtype=torch.int64)
# tensor([10.0000, 13.3333, 16.6667, 20.0000])

Das obige ist der detaillierte Inhalt vonLinspace in PyTorch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!