Pytorch——四种创建张量linspace,range,arange,logspace的用法及区别

• torch.linspace()
• torch.range()
• torch.arange()
• torch.logspace()
• 可能会导致代码数据类型出错的原因

作用是返回一个一维的tensor(张量）,其中dtype是返回的数据类型。

torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

常用参数：

• start (float) – the starting value for the set of points (起始的数)
• end (float) – the ending value for the set of points (结束的数)
• steps (int) – size of the constructed tensor (定义数据生成的个数)
• dtype (torch.dpython:type, optional) – the data type to perform the computation in. Default: if None, uses the global default dtype (see torch.get_default_dtype()) when both start and end are real, and corresponding complex dtype when either is complex. (返回的数据类型)

注意：

1. 该方法为左闭右闭，即[start, end]。
2. steps并非步长，而是将数据切分成几段的段数

举例：

import torch

A = torch.linspace(0,10,6).reshape(2,3)
# 从0开始，到10结束，将这段数据分成6份 得到0，2，4，6，8，10。
# 再将数据调整形状为[2,3]
B = torch.linspace(1,5,4)
# 从1开始，到5结束，将这段数据分成4份。

print(A)
print(B)
# tensor([[ 0.,  2.,  4.],
#        [ 6.,  8., 10.]])
# tensor([1.0000, 2.3333, 3.6667, 5.0000])

返回一维张量,不过现在已经弃用了，通常使用torch.arange()

注意：该方法为左闭右闭，即[start, end]

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

常用参数：

• start (float) – the starting value for the set of points. Default: 0.
  (起始的数，默认为0)
• end (float) – the ending value for the set of points (结束的数)
• step (float) – the gap between each pair of adjacent points. Default: 1.
  (步长，默认为1)
• dtype (torch.dtype, optional) – the desired data type of returned tensor. Default: if None, uses a global default (see torch.set_default_tensor_type()). If dtype is not given, infer the data type from the other input arguments. If any of start, end, or stop are floating-point, the dtype is inferred to be the default dtype, see get_default_dtype(). Otherwise, the dtype is inferred to be torch.int64.
  (返回张量的所需数据类型。默认值：如果None，使用全局默认值（请参阅torch.set_default_tensor_type()）。如果未给出dtype ，则从其他输入参数推断数据类型。如果start、end或stop中的任何一个是浮点数，则 dtype被推断为默认 dtype，请参阅 get_default_dtype()。否则，dtype被推断为torch.int64。)

举例：

import torch

A = torch.range(1,3)
B = torch.range(1,3,0.5)
print(A)
print(B)
# tensor([1., 2., 3.])
# tensor([1.0000, 1.5000, 2.0000, 2.5000, 3.0000])

注意：torch.arange()为左闭右开，即[start, end)

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

常用参数：

• start (Number) – the starting value for the set of points. Default: 0.
• end (Number) – the ending value for the set of points
• step (Number) – the gap between each pair of adjacent points. Default: 1.
• dtype (torch.dtype, optional) – the desired data type of returned tensor. Default: if None, uses a global default (see torch.set_default_tensor_type()). If dtype is not given, infer the data type from the other input arguments. If any of start, end, or stop are floating-point, the dtype is inferred to be the default dtype, see get_default_dtype(). Otherwise, the dtype is inferred to be torch.int64.
  (返回张量的所需数据类型。默认值：如果，使用全局默认值（请参阅）。如果未给出dtype ，则从其他输入参数推断数据类型。如果start、end或stop中的任何一个是浮点数，则 dtype被推断为默认 dtype，请参阅 。否则，dtype被推断为torch .int64。)

举例：

import torch

A = torch.arange(1,3)
B = torch.arange(1,3,0.5)
print(A)
print(B)
# tensor([1, 2])
# tensor([1.0000, 1.5000, 2.0000, 2.5000])

创建对数均分的一维张量

torch.logspace(start, end, steps, base=10.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

常用参数：

• start (float) – the starting value for the set of points
• end (float) – the ending value for the set of points
• steps (int) – size of the constructed tensor
• base (float, optional) – base of the logarithm function. Default:
  10.0.
• dtype (torch.dpython:type, optional) – the data type to perform the computation in. Default: if None, uses the global default dtype (see torch.get_default_dtype()) when both start and end are real, and corresponding complex dtype when either is complex.
  (执行计算的数据类型。默认值：如果为 None ，则使用全局默认 dtype（请参阅 torch.get_default_dtype()），当两者start都是end实数时，以及对应的复杂 dtype 时很复杂。)

注意：

1. 该方法为左闭右闭，即[start, end]。
2. 与linspace一样，steps是多少，返回的tensor中就有多少个数。

看一下实例：

A = torch.arange(1,3)		# torch.int64
B = torch.arange(1,3,0.5) 	# torch.float32

C = torch.range(1,3)  		# torch.float32
D = torch.range(1,3,0.5) 	# torch.float32

print(A.dtype)
print(B.dtype)
print(C.dtype)
print(D.dtype)

对比A和C，同样数据输入为整数，但是torch.arange返回的数据类型为torch.int64,而torch.range返回的数据类型为torch.float32。当输入数据带有浮点类型的数值时，二者没有区别，都返回torch.float32。

要认真对待数据类型！

可以往上翻着重新看一下每个的dtype类型的介绍。

官方文档：

TORCH.LINSPACE
TORCH.RANGE
TORCH.ARANGE
TORCH.LOGSPACE