mindspore.numpy.geomspace

mindspore.numpy.geomspace(start, stop, num=50, endpoint=True, dtype=None, axis=0)[源代码]

返回在对数刻度（几何级数）上均匀间隔的数字。这和 mindspore.numpy.logspace() 类似，但直接指定了端点。每个输出样本都是前一个样本的常数倍。

参数：

start (Union[int, list(int), tuple(int), tensor]) - 序列的起始值。
stop (Union[int, list(int), tuple(int), tensor]) - 当 endpoint 为 True 时，为序列的最终值；当 endpoint 为 False 时，在对数空间内的区间上均匀间隔 num + 1 个值，返回除最后一个值外（长度为 num 的序列）的其他值。
num (int, 可选) - 生成的样本数。默认值 50 。
endpoint (bool, 可选) - 如果为 True ， stop 是最后一个样本。否则，它不包括在内。默认值： True。
dtype (Union[mindspore.dtype, str], 可选) - 指定的Tensor dtype ，可以是 np.float32 或 float32。如果 dtype 为 None ，则将从其他输入参数推断出数据类型。默认值： None 。
axis (int, 可选) - 结果中用于存储样本的轴。仅当 start 或 stop 为类似数组对象时才用到。默认值： 0 ，默认情况下的采样将沿着在开始处插入的新轴。使用 -1 在末尾获取一个轴。

返回：

Tensor，对数刻度上均匀间隔的样本。

异常：

TypeError - 如果输入参数非给定的数据类型。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> output = np.geomspace(1, 256, num=9)
>>> print(output)
[  1.   2.   4.   8.  16.  32.  64. 128. 256.]
>>> output = np.geomspace(1, 256, num=8, endpoint=False)
>>> print(output)
[  1.   2.   4.   8.  16.  32.  64. 128.]