mindspore.numpy.logspace

mindspore.numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)[源代码]

返回在对数刻度上均匀间隔的值。在线性空间中，序列从 base ** start 开始，以 base ** stop 结束。

参数：

start (Union[int, list(int), tuple(int), tensor]) - base ** start 是序列的起始值。
stop (Union[int, list(int), tuple(int), tensor]) - 当 endpoint 为 True 时， base ** stop 是序列的最终值；当 endpoint 为 False 时，在对数空间内的区间上均匀间隔 num + 1 个值，返回除最后一个值外（长度为 num 的序列）的其他值。
num (int, 可选) - 要生成的等间隔样例数量，默认值： 50 。
endpoint (bool, 可选) - 序列中是否包含 stop 值，默认值： True 。
base (Union[int, float], 可选) - 对数的底数。 \(ln(samples) / ln(base)\) (或 \(log_{base}(samples)\)) 元素之间的步长是均匀的，默认值： 10 。
dtype (Union[mindspore.dtype, str], 可选) - 指定的Tensor dtype 。如果 dtype 为 None ，则将从其他输入参数推断出新Tensor的数据类型。默认值： None 。
axis (int, 可选) - 结果中用于存储样本的轴。仅当 start 或 stop 为类似数组对象时才用到。默认值： 0 ，默认情况下的采样将沿着在开始处插入的新轴。使用 -1 在末尾获取一个轴。

返回：

Tensor，对数刻度上均匀间隔的样本。

异常：

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> print(np.logspace(0, 5, 6, base=2.0))
[ 1.  2.  4.  8. 16. 32.]