温岭做网站,开发公司设计管理部绩效考核,网站开发商城app,跨境电商官方网站建设对于Numpy数据类型
shape和size都是属于Numpy的属性
arr.shape 将返回一个包含两个元素的元组#xff0c;例如 (m, n)#xff0c;其中 m 表示数组的行数#xff0c;n 表示数组的列数。arr.size 将返回数组中元素的总数。 举例:
输入#xff1a;
import numpy as np# 创…对于Numpy数据类型
shape和size都是属于Numpy的属性
arr.shape 将返回一个包含两个元素的元组例如 (m, n)其中 m 表示数组的行数n 表示数组的列数。arr.size 将返回数组中元素的总数。 举例:
输入
import numpy as np# 创建一个 3x4 的二维数组
arr np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])# 使用 shape 获取数组的维度信息
arr_shape arr.shape# 使用 size 获取数组中元素的总数
arr_size arr.sizeprint(Array Shape:, arr_shape) # 输出数组的形状对应 (行数, 列数)
print(Array Size:, arr_size) # 输出数组中元素的总数 输出
Array Shape: (3, 4)
Array Size: 12
对于Tensor数据类型
size是属于Tensor的方法shape是属于Tensor的属性
tensor.shape 是沿用了Numpy的使用习惯tensor.size ()是专属于tensor的返回数据形状的方法
所以上面两个返回的是一样的只不过一个是属性一个是方法属性调用的时候不用加但方法调用时需要加
举例
输入
import torch
a torch.tensor([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])
print(a.shape)
print(a.shape)
print(a.size())
print(a.size())
输出
a.shape
torch.Size([3, 4])
a.size()
torch.Size([3, 4]
Numpy的size属性和Tensor的size()方法有什么关系
这两者之间并没有直接的关系。它们只是在不同的背景下为了类似的目的而命名相似
