Python查看Tensor尺寸及查看数据类型的实现
在使用Python编写深度学习应用的过程中,我们通常需要查看数据张量(Tensor)的尺寸及数据类型。
查看Tensor的尺寸
通过PyTorch实现,我们可以使用.size()方法查看Tensor的尺寸。下面是一个示例:
import torch
# 创建一个2D张量(2 rows, 3 columns)
tensor_2d = torch.tensor([[1, 2, 3], [4, 5, 6]])
# 查看张量的尺寸
print(tensor_2d.size()) # 输出:torch.Size([2, 3])
上面的代码创建了一个2D张量,然后使用.size()方法查看它的尺寸。输出结果是torch.Size([2, 3])
,表示这个Tensor有2行3列的尺寸。
我们还可以使用.size(dim)来查看特定维度的尺寸。例如:
print(tensor_2d.size(0)) # 输出:2
print(tensor_2d.size(1)) # 输出:3
这两行代码分别查看了Tensor的第0维(即行数)和第1维(即列数)的尺寸。
查看Tensor的数据类型
在PyTorch中,Tensor有多种数据类型。我们可以使用.dtype属性查看Tensor的数据类型。下面是一个示例:
import torch
# 创建一个2D张量(2 rows, 3 columns),数据类型是32位浮点数(默认)
tensor_2d = torch.tensor([[1, 2, 3], [4, 5, 6]])
# 查看张量的数据类型
print(tensor_2d.dtype) # 输出:torch.int64
上面的代码创建了一个2D张量,数据类型是默认的32位浮点数。然后使用.dtype属性查看它的数据类型。输出结果是torch.int64
,表示这个Tensor的数据类型是64位整型。
我们可以使用torch.Tensor()函数来指定Tensor的数据类型。例如,下面的代码创建了一个数据类型为32位浮点数的Tensor:
import torch
# 创建一个2D张量(2 rows, 3 columns),数据类型是32位浮点数
tensor_2d = torch.tensor([[1, 2, 3], [4, 5, 6]], dtype=torch.float32)
# 查看张量的数据类型
print(tensor_2d.dtype) # 输出:torch.float32
这个代码创建了一个数据类型为32位浮点数的Tensor。我们使用dtype参数指定了Tensor的数据类型。然后使用.dtype属性查看它的数据类型。输出结果是torch.float32
,表示这个Tensor的数据类型是32位浮点数。
以上就是Python查看Tensor尺寸及查看数据类型的实现的完整攻略,包含了两条示例说明。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Python查看Tensor尺寸及查看数据类型的实现 - Python技术站