mindspore.ops.arange

查看源文件
mindspore.ops.arange(start=0, end=None, step=1, *, dtype=None)[源代码]

返回从 start 开始，步长为 step ，且不超过 end （不包括 end ）的序列。

参数：

  • start (Union[float, int, Tensor], 可选) - 序列的起始数。如果为Tensor，则shape必须为 \(()\)。默认值： 0 。

  • end (Union[float, int, Tensor], 可选) - 序列的终止数，不包含在序列中。如果为Tensor，则shape必须为 \(()\)。默认值： None 。如果为 None ，则默认为 start 的值，同时将0作为范围起始值。

  • step (Union[float, int, Tensor], 可选) - 表述序列中数值的步长。如果为Tensor，则shape必须为 \(()\) 。默认值： 1 。

关键字参数：

  • dtype (mindspore.dtype, 可选) - 返回Tensor的所需数据类型。默认值： None 。 当 dtype 未指定或者为 None 时：

    若 start 、 end 和 step 全为整数，则输出为int64类型；

    若 start 、 end 和 step 含至少一个浮点数，则输出为float32类型。

返回：

一维Tensor，数据类型由 dtype 决定。

异常：

  • TypeError - start ， end ， step 既不是int也不是float也不是在支持类型中的TensorScalar(shape为()的特殊Tensor)。

  • ValueError - step 等于0。

  • ValueError - start 小于等于 end ，且 step 小于0。

  • ValueError - start 大于等于 end ，且 step 大于0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor, ops
>>> output = ops.arange(1, 6)
>>> print(output)
[1 2 3 4 5]
>>> print(output.dtype)
Int64
>>> output = ops.arange(0, 3, 1.2)
>>> print(output)
[0.  1.2 2.4]
>>> print(output.dtype)
Float32
>>> output = ops.arange(7, 1, -2)
>>> print(output)
[7 5 3]
>>> print(output.dtype)
Int64
>>> output = ops.arange(ms.Tensor(12.0, dtype=ms.float64), 2, ms.Tensor(-1.0, dtype=ms.float32))
>>> print(output)
[12. 11. 10.  9.  8.  7.  6.  5.  4.  3.]
>>> print(output.dtype)
Float32