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。
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:
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)