Python查看Tensor尺寸及查看数据类型的实现

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。