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)

标签：10,float64,dtype,torch,数据类型,arange,算子,device
来源： https://blog.csdn.net/qq_43799400/article/details/119175708