Pytorch中range和arange方法有什么区别？

前言：

在官方文档中，我们可以在??这里??查到这两个方法的API（可能需要一些手段才能点开），如果你点开不了，那我帮你看一下这两个方法有哪些区别。

1.range()

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

range返回的数量是到 ? e n d ? s t a r t s t e p ? + 1 \lfloor \frac{end?start}{step} \rfloor +1 ?stepend?start??+1

第二个参数减去第一个参数向下取整+1

例如：

x1 = torch.range(1, 10, 3) # (10-1)/3向下取整+1等于4
print(x1)

输出是：

tensor([ 1.,  4.,  7., 10.]) # 输出4个数

基本上常用的就是三个参数

x1 = torch.range(1, 10, 2)
print(x1)

输出结果是：

tensor([1., 3., 5., 7., 9.])

2.arange()

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

可以看到arange方法和range在用法和参数上是完全一样的。

但是他返回的个数是 ? e n d ? s t a r t s t e p ? \lceil \frac{end-start}{step} \rceil ?stepend?start??

如果还是上面的那个例子，我们看看会产生什么结果：

x1 = torch.arange(1, 10, 3)
print(x1)

输出结果：

tensor([1, 4, 7])

可以看到输出的个数只有三个。

3.总结

因此我们得出结论：

1.range和arange返回个数可能会不一样，一个向下取整加一，一个是向上取整

2.range返回的是浮点型，arange返回的是整型（arange如果步长等于小数，也会返回浮点型的值，例如torch.arange(1, 2.5, 0.5)，输出是：tensor([ 1.0000, 1.5000, 2.0000])）

最重要的是range方法官方表示已经被抛弃了，未来不久会完全删除掉，因为它的行为与Python的内置范围不一致，我猜测Python内置范围也是向上取整

官方解释如下：

This function is deprecated and will be removed in a future release because its behavior is inconsistent with Python’s range builtin. Instead, use torch.arange(), which produces values in [start, end).
from：??https://pytorch.org/docs/stable/generated/torch.range.html#torch.range??

技术有限，如有纰漏或错误欢迎大佬指正，感谢！