比较与torch.range的差异

torch.range

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

更多内容详见torch.range。

mindspore.ops.range

mindspore.ops.range(start,
                    end,
                    step
                    )

更多内容详见mindspore.ops.range。

差异对比

MindSpore此API功能与PyTorch一致。

MindSpore: 输出Tensor的dtype与输入Tensor相同。

PyTorch: 输出Tensor的dtype由参数 dtype 指定。

分类	子类	PyTorch	MindSpore	差异
输入	输入 1	start	start	MindSpore中参数 `start` 的数据类型为Tensor，无默认值。PyTorch中参数 `start` 的数据类型为float，默认值为0
	输入 2	end	end	MindSpore中参数 `end` 的数据类型为Tensor，PyTorch中参数 `end` 的数据类型为float
	输入 3	step	step	MindSpore中参数 `step` 的数据类型为Tensor，无默认值。PyTorch中参数 `step` 的数据类型为float，默认值为1
	输入 4	out	-	详见通用差异参数表
	输入 5	dtype	-	MindSpore输出Tensor的dtype与输入Tensor相同，PyTorch的输出Tensor的dtype由参数 `dtype`指定
	输入 6	layout	-	详见通用差异参数表
	输入 7	device	-	详见通用差异参数表
	输入 8	requires_grad	-	详见通用差异参数表

代码示例

# PyTorch
import torch

output = torch.range(0, 10, 4, dtype=torch.float32)
print(output)
# tensor([0., 4., 8.])

# MindSpore
import mindspore as ms
from mindspore import Tensor, ops

start = Tensor(0, ms.float32)
limit = Tensor(10, ms.float32)
delta = Tensor(4, ms.float32)
output = ops.range(start, limit, delta)
print(output)
# [0. 4. 8.]