【PYG】pytorch中size和shape有什么不同

• 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：

1. 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 torch
     
     tensor = 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

2. 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 torch
     
     tensor = 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 torch

tensor = 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 torch

tensor = torch.tensor([[1.0, 2.0, 3.0],
                       [4.0, 5.0, 6.0]])

获取张量的尺寸

1. 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])

2. 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 torch

tensor = 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])