查看一个tensor对象的shape，使用print(tensor.shape)报错AttributeError: 'list' object has no attribute 'size'

这个错误提示告诉我们，你在尝试查看一个列表对象的形状。由于列表对象并没有 `size` 属性，因此你需要确保你的对象是 PyTorch Tensor 而不是列表。

如果你已经确定你的对象是 PyTorch Tensor，但仍然出现这个错误，那么可能是因为你的 Tensor 对象没有正确地被创建。你需要检查一下你的代码，确保你正确地创建了 Tensor 对象，并且没有混淆列表和 Tensor 的情况。

另外，如果你是在使用 DataLoader 加载数据集时出现了这个错误，那么可能是因为你的数据集中包含了列表对象，而不是 PyTorch Tensor。在这种情况下，你需要将列表转换为 PyTorch Tensor，例如使用 `torch.tensor()` 函数。

以下是一个将列表对象转换为 PyTorch Tensor 的示例代码：

import torch

my_list = [1, 2, 3, 4, 5]
my_tensor = torch.tensor(my_list)
print(my_tensor.shape)

上述代码将输出 Tensor 对象的形状 `(5,)`，其中包含了 5 个元素。请注意，这里我们将包含 5 个数字的列表 `my_list` 转换为 PyTorch Tensor `my_tensor`，然后使用 `print()` 函数查看了 Tensor 对象的形状。

相关问题

num_in=input.get_shape()[-1].value报错AttributeError: 'int' object has no attribute 'value'

这个错误可能是因为`get_shape()`返回的尺寸信息是一个元组而不是一个Tensor对象，因此无法访问其属性`value`。你可以尝试使用`tf.shape`代替`get_shape()`，它会返回一个Tensor对象，从而可以访问其属性。例如：

import tensorflow as tf

input = tf.placeholder(tf.float32, shape=[None, 10])
num_in = tf.shape(input)[-1]
print(num_in)

这样就可以得到正确的输出，即10。

报错AttributeError: 'Tensor' object has no attribute 'numpy'

这个报错是因为 Tensor 对象没有 numpy 属性，而在使用 numpy 相关操作时需要将 Tensor 转换成 numpy 数组。如果你想要获取 Tensor 对象的值，可以使用 TensorFlow 中的 .eval() 或者 .numpy() 方法将 Tensor 转换成 numpy 数组。例如：

import tensorflow as tf
a = tf.constant([1, 2, 3])
sess = tf.Session()
print(sess.run(a))  # 输出 [1 2 3]
print(a.eval(session=sess))  # 输出 [1 2 3]
print(a.numpy())  # 输出 [1 2 3]