.shape 和 .size的区别

在 Python 中，尤其是使用 numpy 和 torch 库进行数组和张量操作时，.shape 和 .size() 是两个非常常见的方法。虽然它们有时可以互换使用，但它们确实有一些细微的区别。

.shape 属性

• 类型：.shape 是一个属性。
• 返回值：返回一个包含数组或张量每个维度大小的元组。
• 示例：

  import numpy as np
  import torch
  
  np_array = np.array([[1, 2, 3], [4, 5, 6]])
  torch_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])
  
  print(np_array.shape)       # 输出: (2, 3)
  print(torch_tensor.shape)   # 输出: torch.Size([2, 3])
  

.size() 方法

• 类型：.size() 是一个方法。
• 返回值：在 numpy 中，.size() 返回数组中的元素总数。在 torch 中，.size() 返回一个包含张量每个维度大小的对象，这个对象行为类似于元组。
• 示例：

  import numpy as np
  import torch
  
  np_array = np.array([[1, 2, 3], [4, 5, 6]])
  torch_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])
  
  print(np_array.size)        # 输出: 6 (元素总数)
  print(torch_tensor.size())  # 输出: torch.Size([2, 3])
  

总结

• 在 numpy 中：

  • array.shape 返回数组的形状（一个元组）。
  • array.size 返回数组中元素的总数。

• 在 torch 中：

  • tensor.shape 和 tensor.size() 都返回张量的形状（torch.Size 对象，行为类似于元组）。
  • tensor.numel() 是一个与 numpy 中的 array.size 类似的方法，用于返回张量中元素的总数。

示例代码

以下是一个完整的示例，展示了它们的不同用法：

import numpy as np
import torch

# Numpy 数组示例
np_array = np.array([[1, 2, 3], [4, 5, 6]])
print("Numpy array shape:", np_array.shape)  # 输出: (2, 3)
print("Numpy array size:", np_array.size)    # 输出: 6 (元素总数)

# Torch 张量示例
torch_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])
print("Torch tensor shape:", torch_tensor.shape)     # 输出: torch.Size([2, 3])
print("Torch tensor size():", torch_tensor.size())   # 输出: torch.Size([2, 3])
print("Torch tensor numel():", torch_tensor.numel()) # 输出: 6 (元素总数)

希望这能帮助你更好地理解 .shape 和 .size() 在 numpy 和 torch 中的区别！