如何访问PyTorch张量的元数据？

我们访问张量的大小（或形状）和张量中元素的数量作为张量的元数据。要访问张量的大小，我们使用 .size() 方法，访问张量的形状则使用 .shape 。

.size() 和 .shape 都会产生相同的结果。我们使用 torch.numel() 函数查找张量中所有元素的数量。

步骤

导入所需的库。这里需要的库是 torch 。确保已经安装了 torch 。
定义一个PyTorch张量。
查找张量的元数据。使用 .size() 和 .shape 来访问张量的大小和形状。使用 torch.numel() 函数来访问张量中元素的数量。
打印张量和元数据以便更好地理解。

示例1

# Python代码访问张量的元数据
# 导入必要的库
import torch

# 创建一个大小为4x3的张量
T = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print("T:\n", T)

# 查找张量元数据
# 查找上面张量"T"的大小
size_T = T.size()
print("张量T的大小:\n", size_T)

# 使用.shape获得大小的另一种方法
print("张量形状:\n", T.shape)

# 查找张量"T"中元素的数量
num_T = torch.numel(T)
print("张量T中的元素数量:\n", num_T)

输出

运行上面的Python 3代码时，将产生以下输出。

T:
tensor([[1., 2., 3.],
        [2., 1., 3.],
        [2., 3., 5.],
        [5., 6., 4.]])
张量T的大小:
torch.Size([4, 3])
张量形状:
torch.Size([4, 3])
张量T中的元素数量:
12

示例2

# Python代码访问张量的元数据
# 导入所需的库
import torch

# 创建一个随机数张量
T = torch.randn(4,3,2)
print("T:\n", T)

# 查找张量元数据
# 查找上面张量"T"的大小
size_T = T.size()
print("张量T的大小:\n", size_T)

# 使用.shape获得大小的另一种方法
print("张量形状:\n", T.shape)

# 查找张量"T"中元素的数量
num_T = torch.numel(T)
print("张量T中的元素数量:\n", num_T)

输出

运行上面的Python 3代码时，将产生以下输出。

T:
tensor([[[-1.1806,  0.5569],
         [ 2.2237,  0.9709],
         [ 0.4775, -0.2491]],

        [[-0.9703,  1.9916],
         [ 0.1998, -0.6501],
         [-0.7489, -1.3013]],

        [[ 1.3191,  2.0049],
        [[-0.6044,  0.6153],
         [-2.2473, -0.1531],
         [ 0.5341,  1.3697]]])
张量T的大小:
torch.Size([4, 3, 2])
张量形状:
torch.Size([4, 3, 2])
张量T中的元素数量:
24