linspace dalam PyTorch

Susan Sarandon
Lepaskan: 2025-01-01 13:15:10
asal
535 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!

sumber:dev.to
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