mindspore.ops.arange
- 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