指定Gpu range系列函数

tensorflow指定GPU训练

import os

os.environ[CUDA_VISIABLE_DEVICES] = '0,1'记住DEVICES是复数

range()返回的是range object，而np.nrange()返回的是numpy.adarray()

两者都是均匀地（evenly）等分区间；
range尽可用于迭代，而np.arange作用远不止于此，它是一个序列，可被当做向量使用。
range()不支持步长为小数，np.arange()支持步长为小数

两者都可用于迭代

两者都有三个参数，以第一个参数为起点，第三个参数为步长，截止到第二个参数之前的不包括第二个参数的数据序列
某种意义上，和STL中由迭代器组成的区间是一样的，即左闭右开的区间。[first, last)或者不加严谨地写作[first:step:last)

一.range(start, stop, step)

1.range() 为 python 自带函数

2.生成一个从start(包含)到stop(不包含），以step为步长的序列。返回一个 list 对象

• range(stop) 返回 range object
• range(start, stop[, step]) 返回 range object

3.start默认为0，stop是必须的，step默认为1，可正可负。

• 例：range(i, j) 生成 i, i+1, i+2, ..., j-1.
• 例：range(4) 生成 0, 1, 2, 3.

4.只能生成整型的序列

二.np.arange([start,] stop[, step])

1.np.arange() 在 numpy 模板中

2.生成一个从start(包含)到stop(不包含），以step为步长的序列。返回一个 ndarray 对象

3.参数解释：

• start : 数值, 可选。包含此值，默认为0.
• stop : 数值，必须。不包含此值, 除非“step”不是整数，浮点舍入会影响“out”的长度
• step : 数值, 可选。默认为1，如果步长有指定，则start必须给出来
• dtype : 数据类型。输出array的数据类型。 If dtype is not given, infer the data type from the other input arguments.

4.可生成整型、浮点型序列，毫无压力

5.当使用非整数步骤(如0.1)时，结果往往不一致。对于这些情况，最好使用‘linspace’。

原文：https://blog.csdn.net/lanchunhui/article/details/49493633

https://www.cnblogs.com/wyy1480/p/9650609.html