linspace dalam PyTorch

Susan Sarandon
Lepaskan: 2025-01-01 13:15:10
asal
639 orang telah melayarinya

linspace in PyTorch

Beli Saya Kopi☕

*Memo:

  • Siaran saya menerangkan arange().
  • Siaran saya menerangkan ruang log().

linspace() boleh mencipta tensor 1D bagi sifar atau lebih integer, nombor titik terapung atau nombor kompleks dijarakkan sama rata antara mula dan tamat(mula<=x<=akhir) seperti ditunjukkan di bawah:

*Memo:

  • linspace() boleh digunakan dengan obor tetapi tidak dengan tensor.
  • Argumen pertama dengan obor adalah mula (Jenis-Diperlukan:int, float, kompleks atau bool). *Tensor 0D int, float, kompleks atau bool juga berfungsi.
  • Hujah ke-2 dengan obor adalah tamat(Jenis-Diperlukan:int, float, kompleks atau bool). *Tensor 0D int, float, kompleks atau bool juga berfungsi.
  • Argumen ke-3 dengan obor ialah langkah(Jenis-Diperlukan:int): *Memo:
    • Ia mestilah lebih besar daripada atau sama dengan 0.
    • Tensor 0D int juga berfungsi.
  • Terdapat hujah dtype dengan obor(Optional-Default:None-Type:dtype): *Memo:
    • Jika Tiada, ia disimpulkan dari mula, akhir atau langkah, kemudian untuk nombor titik terapung, get_default_dtype() digunakan. *Siaran saya menerangkan get_default_dtype() dan set_default_dtype().
    • Menetapkan permulaan dan tamat jenis integer tidak mencukupi untuk mencipta tensor 1D jenis integer jadi jenis integer dengan dtype mesti ditetapkan.
    • dtype= mesti digunakan.
    • Siaran saya menerangkan hujah dtype.
  • Terdapat hujah peranti dengan obor(Optional-Default:None-Type:str, int or device()): *Memo:
    • Jika Tiada, get_default_device() digunakan. *Siaran saya menerangkan get_default_device() dan set_default_device().
    • peranti= mesti digunakan.
    • Siaran saya menerangkan hujah peranti.
  • Terdapat hujah require_grad dengan obor(Optional-Default:False-Type:bool): *Memo:
    • require_grad= mesti digunakan.
    • Siaran saya menerangkan hujah require_grad.
  • Terdapat hujah dengan obor(Pilihan-Lalai:Tiada-Jenis:tensor): *Memo:
    • out= mesti digunakan.
    • Siaran saya menerangkan hujah.
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])
Salin selepas log masuk

Atas ialah kandungan terperinci linspace dalam PyTorch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan