如何打印张量形状
时间: 2023-07-09 20:20:15 浏览: 49
您可以使用PyTorch中的`.shape`属性来打印张量的形状。例如,假设您有一个名为`tensor`的张量,您可以通过以下方式打印其形状:
```
print(tensor.shape)
```
这将输出一个元组,其中每个元素表示张量在对应维度上的大小。例如,对于一个形状为`[2, 3, 4]`的张量,它将输出`(2, 3, 4)`。
相关问题
如何在代码中打印张量形状
在大多数深度学习框架中,可以使用下面的代码来打印张量的形状:
```
import torch
x = torch.randn(2, 3, 4) # 创建一个形状为 [2, 3, 4] 的张量
print(x.shape) # 打印张量的形状
```
这段代码创建了一个形状为 [2, 3, 4] 的张量 `x`,并使用 `x.shape` 打印了张量的形状。在 PyTorch 中,张量的形状存储在 `.shape` 属性中,它返回一个元组,包含张量每个维度的大小。
对于其他深度学习框架,如 TensorFlow 等,打印张量形状的方法也类似,可以在相应的文档中查找相关信息。
怎么打印出权重张量的形状
要打印出权重张量的形状,可以使用以下代码:
```python
import torch
# 假设你有一个名为model的神经网络模型
for name, param in model.named_parameters():
if 'weight' in name:
print(name, param.shape)
```
这个代码会遍历神经网络模型的所有参数,如果参数名称中包含“weight”,则打印出参数名称和对应的形状。