如何在PyTorch中生成连续数字序列？高效转换Matlab代码v=[1:n]

嘿，刚好最近也处理过类似的需求，完全不用写低效的循环！PyTorch提供了专门的内置函数来高效生成连续序列，完美对应你提到的Matlab代码。

最直接的等价实现：torch.arange() #

Matlab里的 v = [1:n] 是生成从1到n的整数序列，PyTorch中的torch.arange()函数可以直接完成这个任务——不过要注意它是左闭右开的区间，所以结束参数要设为n+1才能包含n：

import torch

n = 5
v = torch.arange(1, n + 1)
print(v)  # 输出: tensor([1, 2, 3, 4, 5])

这个函数是PyTorch底层优化过的向量操作，比Python循环快几个数量级，尤其是当n很大的时候优势更明显——循环会频繁触发Python解释器的操作，而内置函数是在C++层面执行的，效率拉满。

其他实用扩展 #

• 如果需要生成从0开始的序列，直接简化为：

  v = torch.arange(n)  # 输出: tensor([0, 1, 2, 3, 4])（当n=5时）
  

• 指定步长生成序列（对应Matlab的1:2:n）：

  v = torch.arange(1, n + 1, 2)  # 输出: tensor([1, 3, 5])（当n=5时）
  

• 生成浮点类型的序列：

  v = torch.arange(1.0, n + 1)  # 输出: tensor([1., 2., 3., 4., 5.])
  

• 直接在GPU上生成序列（如果你的设备支持）：

  v = torch.arange(1, n + 1, device="cuda")
  

什么时候用torch.linspace()？ #

如果你的需求是生成固定数量的均匀分布序列（而不是按步长），可以用torch.linspace()，比如生成从1到n的10个均匀点：

v = torch.linspace(1, n, steps=10)

但如果只是对应Matlab的1:n，torch.arange()是最直接高效的选择。

内容的提问来源于stack exchange，提问作者user25004