對于Numpy數據類型

shape和size都是屬于Numpy的屬性

• arr.shape 將返回一個包含兩個元素的元組，例如 (m, n)，其中 m 表示數組的行數，n 表示數組的列數。
• arr.size 將返回數組中元素的總數。

?舉例:

輸入：

import numpy as np# 創建一個 3x4 的二維數組
arr = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])# 使用 shape 獲取數組的維度信息
arr_shape = arr.shape# 使用 size 獲取數組中元素的總數
arr_size = arr.sizeprint("Array Shape:", arr_shape)  # 輸出數組的形狀，對應 (行數, 列數)
print("Array Size:", arr_size)    # 輸出數組中元素的總數

?輸出：

Array Shape: (3, 4)
Array Size: 12

對于Tensor數據類型

size是屬于Tensor的方法，shape是屬于Tensor的屬性

• tensor.shape?是沿用了Numpy的使用習慣
• tensor.size?()是專屬于tensor的返回數據形狀的方法

所以上面兩個返回的是一樣的，只不過一個是屬性一個是方法（屬性調用的時候不用加（），但方法調用時需要加（））

舉例：

輸入：

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())

輸出：

a.shape
torch.Size([3, 4])
a.size()
torch.Size([3, 4]

Numpy的size屬性和Tensor的size()方法有什么關系

這兩者之間并沒有直接的關系。它們只是在不同的背景下為了類似的目的而命名相似