PyTorch torch.linspace 函数
Pytorch torch 参考手册torch.linspace 是 PyTorch 中用于创建等间隔序列张量的函数。它会创建一个一维张量，包含从起始值到结束值的等间隔数列。
与 torch.arange 不同，torch.linspace 指定的是元素数量而不是步长，这在需要精确控制元素个数时非常有用。
函数定义
torch.linspace(start, end, steps, dtype=None, device=None, requires_grad=False)
参数:
start(float): 序列的起始值。end(float): 序列的结束值（包含）。steps(int): 序列中元素的个数，必须为正整数。dtype(torch.dtype, 可选): 指定张量的数据类型。device(torch.device, 可选): 指定张量存储的设备。requires_grad(bool, 可选): 是否需要计算梯度。
返回值:
torch.Tensor: 返回一个一维张量。
使用示例
示例 1: 创建 5 个等间隔点
实例
import torch
# 创建从 0 到 10，共 5 个点的等间隔序列
x = torch.linspace(0, 10, 5)
print(x)
# 创建从 0 到 10，共 5 个点的等间隔序列
x = torch.linspace(0, 10, 5)
print(x)
输出结果为：
tensor([ 0.0000, 2.5000, 5.0000, 7.5000, 10.0000])
示例 2: 创建 10 个点
实例
import torch
# 创建从 -1 到 1，共 10 个点的等间隔序列
x = torch.linspace(-1, 1, 10)
print(x)
# 创建从 -1 到 1，共 10 个点的等间隔序列
x = torch.linspace(-1, 1, 10)
print(x)
输出结果为：
tensor([-1.0000, -0.7778, -0.5556, -0.3333, -0.1111, 0.1111, 0.3333, 0.5556,
0.7778, 1.0000])
示例 3: 用于神经网络学习率调度
实例
import torch
# 模拟学习率从 0.1 逐渐降低到 0.001
learning_rates = torch.linspace(0.1, 0.001, 100)
print("初始学习率:", learning_rates[0].item())
print("最终学习率:", learning_rates[-1].item())
# 模拟学习率从 0.1 逐渐降低到 0.001
learning_rates = torch.linspace(0.1, 0.001, 100)
print("初始学习率:", learning_rates[0].item())
print("最终学习率:", learning_rates[-1].item())
输出结果为：
初始学习率: 0.10000000149011612 最终学习率: 0.0010000000474974513
在这个示例中，我们创建了一个包含 100 个学习率值的序列，常用于学习率调度。
torch.arange 与 torch.linspace 的区别
torch.arange(start, end, step): 根据步长创建序列，元素个数由范围和步长决定。torch.linspace(start, end, steps): 根据元素个数创建序列，间隔由范围和元素个数决定。