organiser dans PyTorch

Achetez-moi un café☕

*Mémos :

• Mon message explique linspace().
• Mon message explique logspace().

arange() peut créer le tenseur 1D de zéros ou d'entiers ou de nombres à virgule flottante entre début et fin-1 (start<=x<=end-1) comme indiqué ci-dessous :

*Mémos :

• arange() peut être utilisé avec une torche mais pas avec un tenseur.
• Le 1er argument avec torch est start(Optional-Default:0-Type:int, float, complexe ou bool) : *Mémos
  • Il doit être inférieur ou égal pour terminer.
  • Le tenseur 0D de int, float, complexe ou bool fonctionne également.
• Le 2ème argument avec torch est end(Required-Type:int, float, complex ou bool) : *Mémos :
  • Il doit être supérieur ou égal pour commencer.
  • Le tenseur 0D de int, float, complexe ou bool fonctionne également.
• Le 3ème argument avec torch est step(Optional-Default:1-Type:int, float, complexe ou bool) : *Mémos :
  • Il doit être supérieur à 0.
  • Le tenseur 0D de int, float, complexe ou bool fonctionne également.
• Il existe un argument dtype avec torch(Optional-Default:None-Type:dtype) : *Mémos :
  • Si c'est Aucun, c'est déduit du début, de la fin ou de l'étape, alors pour les nombres à virgule flottante, get_default_dtype() est utilisé. *Mon message explique get_default_dtype() et set_default_dtype().
  • dtype= doit être utilisé.
  • Mon message explique l'argument dtype.
• Il existe un argument de périphérique avec torch(Optional-Default:None-Type:str, int ou device()) : *Mémos :
  • Si c'est Aucun, get_default_device() est utilisé. *Mon message explique get_default_device() et set_default_device().
  • device= doit être utilisé.
  • Mon message explique l'argument de l'appareil.
• Il existe un argument require_grad avec torch(Optional-Default:False-Type:bool) : *Mémos :
  • require_grad= doit être utilisé.
  • Mon message explique l'argument require_grad.
• Il y a un argument avec torch(Optional-Default:None-Type:tensor) : *Mémos :
  • out= doit être utilisé.
  • Mon message explique notre argument.
• Il existe range() qui est similaire à arange() mais range() est obsolète.

import torch

torch.arange(end=5)
# tensor([0, 1, 2, 3, 4])

torch.arange(start=5, end=15)
# tensor([5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

torch.arange(start=5, end=15, step=3)
# tensor([5, 8, 11, 14])

torch.arange(start=-5, end=5)
# tensor([-5, -4, -3, -2, -1, 0, 1, 2, 3, 4])

torch.arange(start=-5, end=5, step=3)
torch.arange(start=torch.tensor(-5),
             end=torch.tensor(5),
             step=torch.tensor(3))
# tensor([-5, -2, 1, 4])

torch.arange(start=-5., end=5., step=3.)
torch.arange(start=torch.tensor(-5.),
             end=torch.tensor(5.),
             step=torch.tensor(3.))
# tensor([-5., -2., 1., 4.])

torch.arange(start=-5.+0.j, end=5.+0.j, step=3.+0.j)
torch.arange(start=torch.tensor(-5.+0.j),
             end=torch.tensor(5.+0.j),
             step=torch.tensor(3.+0.j))
# tensor([-5., -2., 1., 4.])

torch.arange(start=False, end=True, step=True)
torch.arange(start=torch.tensor(False),
             end=torch.tensor(True),
             step=torch.tensor(True))
# tensor([0])

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!