pytorch.range()和pytorch.arange()的區(qū)別及說(shuō)明
更新時(shí)間：2023年08月03日 14:28:37 作者：小餅干超人
這篇文章主要介紹了pytorch.range()和pytorch.arange()的區(qū)別及說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
pytorch.range()和pytorch.arange()的區(qū)別
>>> y=torch.range(1,6) >>> y tensor([1., 2., 3., 4., 5., 6.]) >>> y.dtype torch.float32 >>> z=torch.arange(1,6) >>> z tensor([1, 2, 3, 4, 5]) >>> z.dtype torch.int64
心得
torch.range(start=1, end=6)的結(jié)果是會(huì)包含end的，而torch.arange(start=1, end=6)的結(jié)果并不包含end。- 兩者創(chuàng)建的
tensor的類(lèi)型也不一樣。
參考：
Pytorch torch.range()&torch.arange()
torch.range(start=1, end=6)
結(jié)果是會(huì)包含end的，創(chuàng)建的tensor的類(lèi)型為float32。
torch.arange(start=1, end=6)
結(jié)果并不包含end，創(chuàng)建的tensor的類(lèi)型為int64。
代碼
>>> y=torch.range(1,6) >>> y tensor([1., 2., 3., 4., 5., 6.]) >>> y.dtype torch.float32 >>> z=torch.arange(1,6) >>> z tensor([1, 2, 3, 4, 5]) >>> z.dtype torch.int64
pytorch torch.arange
應(yīng)用
>>> torch.arange(5) tensor([ 0, 1, 2, 3, 4])
API
torch.arange(start=0, end, step=1, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
| 參數(shù) | 描述 |
|---|---|
| start (Number) | |
| end (Number) | |
| step (Number) | |
| out (Tensor, optional) | |
| dtype (torch.dtype, optional) | |
| layout (torch.layout, optional) | |
| device (torch.device, optional) | |
| requires_grad (bool, optional) |
總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:
- PyTorch中torch.load()的用法和應(yīng)用
- python中torch.load中的map_location參數(shù)使用
- Pytorch中的torch.nn.Linear()方法用法解讀
- Pytorch中的torch.where函數(shù)使用
- python中的List sort()與torch.sort()
- 關(guān)于torch.scatter與torch_scatter庫(kù)的使用整理
- PyTorch函數(shù)torch.cat與torch.stac的區(qū)別小結(jié)
- 使用with torch.no_grad():顯著減少測(cè)試時(shí)顯存占用
- PyTorch中torch.save()的用法和應(yīng)用小結(jié)
相關(guān)文章
這篇文章主要介紹了Python如何通過(guò)變量ID得到變量的值，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-05-05
Django JSonResponse對(duì)象的實(shí)現(xiàn)
本文主要介紹了Django JSonResponse對(duì)象的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
基于Python實(shí)現(xiàn)報(bào)表自動(dòng)化并發(fā)送到郵箱
作為數(shù)據(jù)分析師，我們需要經(jīng)常制作統(tǒng)計(jì)分析圖表。但是報(bào)表太多的時(shí)候往往需要花費(fèi)我們大部分時(shí)間去制作報(bào)表。本文將利用Python實(shí)現(xiàn)報(bào)表自動(dòng)化并發(fā)送到郵箱，需要的可以參考一下2022-07-07
Python讀取Json字典寫(xiě)入Excel表格的方法
這篇文章主要為大家詳細(xì)介紹了Python讀取Json字典寫(xiě)入Excel表格的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
Django ORM數(shù)據(jù)庫(kù)操作處理全面指南
本文深度探討Django ORM的概念、基礎(chǔ)使用、進(jìn)階操作以及詳細(xì)解析在實(shí)際使用中如何處理數(shù)據(jù)庫(kù)操作,同時(shí),我們還討論了模型深入理解,如何進(jìn)行CRUD操作,并且深化理解到數(shù)據(jù)庫(kù)遷移等高級(jí)主題2023-09-09
計(jì)算python腳本執(zhí)行時(shí)間的多種方法
在編寫(xiě)Python腳本時(shí),了解腳本的執(zhí)行時(shí)間通常是很有用的,特別是在優(yōu)化代碼或評(píng)估性能時(shí),Python提供了多種方法來(lái)測(cè)量腳本的執(zhí)行時(shí)間,從內(nèi)置模塊到第三方庫(kù),可以選擇適合你需求的方式,本文將介紹計(jì)算 Python 腳本執(zhí)行時(shí)間的多種方法,需要的朋友可以參考下2023-11-11
pytorch實(shí)現(xiàn)線(xiàn)性回歸以及多元回歸
這篇文章主要為大家詳細(xì)介紹了pytorch實(shí)現(xiàn)線(xiàn)性回歸以及多元回歸，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-04-04
這篇文章主要介紹了PyTorch 檢查GPU版本是否安裝成功的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
pandas DataFrame.shift()函數(shù)的具體使用
本文主要介紹了pandas DataFrame.shift()函數(shù)的使用，pandas DataFrame.shift()函數(shù)可以把數(shù)據(jù)移動(dòng)指定的位數(shù)，有需要了解pandas DataFrame.shift()用法的朋友可以參考一下2021-05-05
Python生成隨機(jī)數(shù)組的方法小結(jié)
這篇文章主要介紹了Python生成隨機(jī)數(shù)組的方法,結(jié)合實(shí)例形式總結(jié)分析了Python使用random模塊生成隨機(jī)數(shù)與數(shù)組操作相關(guān)技巧,需要的朋友可以參考下2017-04-04