郑州高新区网站建设帮助做APP的网站公司
- 一般使用tensor.shape打印维度信息，因为简单直接
在 PyTorch 中，size 和 shape 都用于获取张量的维度信息，但它们之间有细微的区别。下面是它们的定义和用法：
-
size：size是一个方法（size()）和属性（size），用于返回张量的维度信息。- 使用方法
size()可以选择获取特定维度的大小。 - 示例：
import torchtensor = torch.tensor([[1.0, 2.0, 3.0, 4.0],[2.0, 3.0, 4.0, 5.0],[3.0, 4.0, 5.0, 6.0]])# 使用 size 方法（无参数） size_method = tensor.size() print(f"使用 size 方法: {size_method}") # 输出: 使用 size 方法: torch.Size([3, 4])# 使用 size 方法（带维度参数） size_dim1 = tensor.size(1) print(f"维度 1 的大小: {size_dim1}") # 输出: 维度 1 的大小: 4
-
shape：shape是一个属性，直接返回张量的维度信息，表示为一个torch.Size对象。shape属性不能接受参数，因此不能直接用于获取特定维度的大小。- 示例：
import torchtensor = torch.tensor([[1.0, 2.0, 3.0, 4.0],[2.0, 3.0, 4.0, 5.0],[3.0, 4.0, 5.0, 6.0]])# 使用 shape 属性 shape_attr = tensor.shape print(f"使用 shape 属性: {shape_attr}") # 输出: 使用 shape 属性: torch.Size([3, 4])
区别
-
size方法和属性：size方法可以接受参数，例如size(dim)，用于获取特定维度的大小。size属性直接返回一个torch.Size对象，表示张量的所有维度。
-
shape属性：shape属性只返回一个torch.Size对象，表示张量的所有维度。shape属性不能直接获取特定维度的大小。
总结
-
size提供了方法和属性，方法可以接受参数来获取特定维度的大小。 -
shape仅作为属性，返回整个张量的维度信息，不能接受参数。 -
tensor.size返回<built-in method size of Tensor object at 0x7fee569194a0>
-
tensor.shape返回<class ‘torch.Size’>，tensor.size()返回<class ‘torch.Size’>
示例对比
import torchtensor = torch.tensor([[1.0, 2.0, 3.0, 4.0],[2.0, 3.0, 4.0, 5.0],[3.0, 4.0, 5.0, 6.0]])# 使用 size 属性
size_attr = tensor.size
print(f"使用 size 属性: {size_attr}") # 输出: 使用 size 属性: torch.Size([3, 4])# 使用 size 方法
size_method = tensor.size()
print(f"使用 size 方法: {size_method}") # 输出: 使用 size 方法: torch.Size([3, 4])# 使用 size 方法获取特定维度的大小
size_dim1 = tensor.size(1)
print(f"维度 1 的大小: {size_dim1}") # 输出: 维度 1 的大小: 4# 使用 shape 属性
shape_attr = tensor.shape
print(f"使用 shape 属性: {shape_attr}") # 输出: 使用 shape 属性: torch.Size([3, 4])
通过以上示例可以看出，size 方法和属性提供了更灵活的用法，而 shape 属性则是一个简单快捷的方法来获取整个张量的维度信息。
当你直接访问 tensor.size 而不带括号时，你访问的是一个方法对象，而不是调用该方法。要获取张量的尺寸，你需要调用该方法，使用 tensor.size()。让我们通过一些示例来澄清这一点。
示例解释
首先，我们创建一个张量：
import torchtensor = torch.tensor([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])
获取张量的尺寸
- 使用
size()方法：
size = tensor.size()
print(f"使用 size() 方法: {size}") # 输出: 使用 size() 方法: torch.Size([2, 3])
- 直接访问
size属性：
size_method = tensor.size
print(f"直接访问 size 属性: {size_method}") # 输出: 直接访问 size 属性: <built-in method size of Tensor object at 0x7fee569194a0>
在第二个示例中，我们得到的是一个方法对象的引用，而不是实际的尺寸信息。
获取特定维度的大小
要获取特定维度的大小，你需要调用 size(dim)，其中 dim 是你感兴趣的维度索引：
size_dim1 = tensor.size(1)
print(f"维度 1 的大小: {size_dim1}") # 输出: 维度 1 的大小: 3
使用 shape 属性
shape 属性是更直接获取张量尺寸的一种方式：
shape = tensor.shape
print(f"使用 shape 属性: {shape}") # 输出: 使用 shape 属性: torch.Size([2, 3])
总结
tensor.size返回一个方法对象引用。tensor.size()返回一个torch.Size对象，表示张量的形状。tensor.size(dim)返回特定维度的大小。tensor.shape直接返回一个torch.Size对象，表示张量的形状。
完整示例
import torchtensor = torch.tensor([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])# 使用 size() 方法
size = tensor.size()
print(f"使用 size() 方法: {size}") # 输出: 使用 size() 方法: torch.Size([2, 3])# 直接访问 size 属性
size_method = tensor.size
print(f"直接访问 size 属性: {size_method}") # 输出: 直接访问 size 属性: <built-in method size of Tensor object at 0x7fee569194a0># 获取特定维度的大小
size_dim1 = tensor.size(1)
print(f"维度 1 的大小: {size_dim1}") # 输出: 维度 1 的大小: 3# 使用 shape 属性
shape = tensor.shape
print(f"使用 shape 属性: {shape}") # 输出: 使用 shape 属性: torch.Size([2, 3])