pytorch算子支持数据类型格式
ctrlA_ctrlC_ctrlV 人气:0正文
CPU（Central Processing Unit）：中央处理器 GPU（Graphics Processing Unit）：图形处理器 NPU（Neural Network Processing Unit）：神经网络处理器，是基于神经网络算法与加速的新型处理器总称。
一、 torch.arange() 和 torch.range() 的用法
pytorch官网介绍：
torch.arange(start,end,step) 用于产生一个从start开始,到end结束（注意不包括end），步长为step的Tensor, 并且可以设置 Tensor 的 device 和 dtype
torch.arange 与 torch.range 功能及其相似，不同之处在于 torch.range(start,end,step) 生成的 Tensor, 包括 end
如：
a=torch.arange(1, 7, 2) b=torch.range(1, 7, 2) print(a) print(b)
输出：
tensor([1, 3, 5]) tensor([1., 3., 5., 7.])
但是建议使用 torch.arange ，因为 torch.range 即将被pytorch 移除：
二、 torch.arange 支持的数据类型格式
只考虑 float 类型
cpu 不支持 float16，支持 float32 和 float64 cpu 支持 float16 、float32 和 float64 npu 不支持 float16 和 float64 ，只支持 float32
事实上 npu 基本不支持所有的 64位类型，包括 int64 和 float64，与算子无关。当然cpu 是支持 16位数据类型的，只是 torch.arange 不支持而已。
验证代码如下：
import torch # CPU a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float16) # 不可以 a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float32) # 可以 a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float64) # 可以 # GPU a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float16) # 可以 a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float32) # 可以 a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float64) # 可以 # NPU a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float16) # 不可以 a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float32) # 可以 a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float64) # 不可以 print(a)
加载全部内容