torch.arange()和torch.range()的区别

最新推荐文章于 2025-08-29 10:53:46 发布
原创 最新推荐文章于 2025-08-29 10:53:46 发布 · 1.2k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pytorch #torch.arange #torch.range

本文详细介绍了PyTorch中的torch.arange()和torch.range()两个函数，指出torch.arange()生成的序列不包含结束值，而torch.range()则包括。推荐使用torch.arange()，因为它支持更广泛的参数设置。了解这两个函数的差异对于精确控制张量生成至关重要。
部署运行你感兴趣的模型镜像

1、最值得注意的区别

# torch.arange()
x = torch.arange(1.0,6.0)
print(x)

输出：tensor([1., 2., 3., 4., 5.])

# torch.range()
y = torch.range(1.0,6.0)
print(y)

输出：tensor([1., 2., 3., 4., 5., 6.])

torch.arange(start=1.0, end=6.0)的结果不包括end
torch.range(start=1.0, end=6.0)的结果包括end

2、推荐使用torch.arange()

在这里插入图片描述在这里插入图片描述
很显然，torch.arange()兼容更多种类的参数。

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

torch.arange()与torch.range()
Jet__P的博客
07-14 1371
torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) 共同点： 输出一维tensor，输入一个数为end
torch.arange （不是 torch.range，不要用torch.range）
OrdinaryMatthew的博客
11-20 1713
左闭右开区间。
torch.range和torch.arange的区别
Mr-WuRuSong
09-18 514
转自：https://blog.csdn.net/m0_37586991/article/details/88830026
手把手教你：基于PyTorch手动构建Transformer模型的完整指南
最新发布
大模型教程的博客
08-29 959
手把手教你：基于PyTorch手动构建Transformer模型的完整指南
torch.arange() 与 torch.range()
weixin_45595437的博客
02-14 2502
参见：https://blog.csdn.net/m0_37586991/article/details/88830026
周总结（2019.9.2-2019.9.8）
chengsilin666的博客
02-21 240
技术总结： s[::k]的意思是“每k个项目” torch.range(start=1, end=6)的结果是会包含end的， 而torch.arange(start=1, end=6)的结果并不包含end。 两者创建的tensor的类型也不一样。 ...
torch.range()和torch.arange()
Small_Lemon_Tree的博客
07-10 1664
示例文件 test.py import torch x = torch.arange(0, 6) print(x) print(x.type()) y = torch.range(0, 6) print(y) print(y.type()) 终端命令行和运行结果 <user>python test.py tensor([0, 1, 2, 3, 4, 5]) torch.LongTensor tensor([0., 1., 2., 3., 4., 5., 6.]) torch.FloatTen
pytorch torch.arange函数介绍
qq_27390023的博客
01-07 1114
是 PyTorch 中用于创建具有等间距值的一维张量的函数。它类似于 Python 的range函数，但生成的是张量。
random.randrange与torch.arange的用法
qlkaicx的博客
09-15 475
功能差异用于生成单个随机整数，而用于生成一个连续的整数序列张量。用途差异常用于需要随机性的场景（如随机选择、测试等），而常用于深度学习中的张量操作，如创建索引、制作掩码、生成等间隔的数值序列等。输出类型输出一个 Python 的整数，而输出一个 PyTorch 张量，这在进行批量操作或与其他 PyTorch 功能结合时非常重要。
pytorch每日一学20(torch.arange()、torch.range()、torch.linespace()、torch.logspace())根据步长创造一维tensor
热门推荐
Fluid_ray的博客
11-17 2万+
第20学 此次学习所有的根据步长创建一维tensor的几个方法，因为基本相似，所以把他们都放在一起，并进行比较。 torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch
torch.range()和torch.arange()的区别
qq_39697468的博客
10-14 2006
1. torch.arange()方法可以通过输出一个值来进行创建随机数，而torch.range()不可以； 2. torch.arange()不包含end的值。
torch.arrange和torch.range用法
weixin_47156261的博客
05-09 5212
torch.arrange:
pyTorch中torch.range()和torch.arange()的区别
Bryce-HJ
07-14 2666
torch.range()和torch.arange()的区别 x = torch.range(-8, 8) y = torch.arange(-8, 8) print(x, x.dtype) print(y, y.dtype) output：    tensor([-8., -7., -6., -5., -4., -3., -2., -1., 0., 1., 2., 3., 4., 5.,6., 7., 8.]) torch.float32    tensor([-8, -7, -6,
【torch小知识点02】torch.range()和torch.arange()的区别
羊老羊
01-23 1721
torch.arange() 和 torch.range()区别
torch.arange
Elvira521yan的博客
07-06 5505
torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor 返回一个一维向量，其大小为，取值区间为[start,end)，从start开始，以step为步长增加，直到end结束（不包括end） 例子： >>> torch.arange(5) tensor([ 0, 1, 2...
Pytorch torch.range()&torch.arange()
qq_43489708的博客
06-06 407
结果是会包含end的，创建的tensor的类型为float32。结果并不包含end，创建的tensor的类型为int64。
torch.arange()
weixin_47041940的博客
10-14 1235
torch.arrang()用于返回一个张量，张量中的元素是在一定范围内按一定步长取值的整数。
PyTorch torch.arange
程永强
06-14 2356
PyTorch torch.arange
torch.range和torch.arange有什么区别
10-30
`torch.range` 和 `torch.arange` 都是 PyTorch 中用于生成张量范围的函数，它们的主要区别在于： 1. **起点和步长**： - `torch.arange(start, end=None, step=1, dtype=None, device=None)` 函数默认从0开始，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值