python输出tensor大小

### Python 中输出 Tensor 的 Shape 或 Size 方法在 PyTorch 中，`Tensor` 类提供了两种主要方式来获取其形状或尺寸：`shape` 属性和 `size()` 方法。这两种方法都可以返回张量的维度信息。 #### 使用 `shape` 属性 `shape` 是 `Tensor` 对象的一个属性，可以直接通过点号操作符访问它。该属性会返回一个表示张量形状的对象，类似于元组的形式[^1]。 ```python import torch a = torch.tensor([[1, 2, 3], [4, 5, 6]]) print(a.shape) # 输出: torch.Size([2, 3]) ``` #### 使用 `size()` 方法 `size()` 是 `Tensor` 对象的一个方法，调用它可以得到与 `shape` 属性相同的结果。此外，`size(dim)` 可以接受一个整数参数，用于获取特定维度上的大小[^4]。 ```python import torch a = torch.tensor([[1, 2, 3], [4, 5, 6]]) print(a.size()) # 输出: torch.Size([2, 3]) print(a.size(0)) # 输出: 2 (第0维的大小) print(a.size(1)) # 输出: 3 (第1维的大小) ``` #### 示例对比下面是一个完整的例子，展示了如何使用 `shape` 和 `size()` 来获取张量的维度： ```python import torch # 创建一个二维张量 b = torch.randn(4, 5) # 打印整个形状 print(b.shape) # 输出: torch.Size([4, 5]) print(b.size()) # 输出: torch.Size([4, 5]) # 获取单个维度的大小 print(b.shape[0]) # 输出: 4 (第0维的大小) print(b.size(0)) # 输出: 4 (第0维的大小) print(b.shape[1]) # 输出: 5 (第1维的大小) print(b.size(1)) # 输出: 5 (第1维的大小) ``` 以上代码片段清晰地说明了 `shape` 和 `size()` 的功能及其相似之处[^2]。 --- ### 总结无论是使用 `shape` 还是 `size()`，它们都能有效地帮助开发者了解张量的具体结构。对于大多数场景而言，二者可以互换使用；但在某些情况下（如需要动态指定某个维度），推荐优先考虑 `size(dim)` 函数[^3]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 python如何对大批量的数据进行向量化的操作