【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：

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 torchtensor = 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

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

获取张量的尺寸

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>

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 torchtensor = 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])