本文重點介紹了一下如何在PyTorch中去計算一個高維tensor的大小，也就是元素的總數。在其他框架中我們需要使用size函數來獲取，而在PyTorch框架中這個接口被調整為numel，本文給出了兩個具體代碼示例。

技術背景

其實對于市面上大多數的深度學習框架來說，或者只是一個numpy來說，要獲取一個高維度矩陣的大小，只需要調用其size函數即可。但是PyTorch框架中有所不同，所以這里單獨介紹一下如何在PyTorch中獲取一個高維tensor的大小，或者說元素總數。

代碼實例

首先我們演示一下普通的numpy框架下如何去獲取高維tensor的大小：

In [1]: import numpy as np

In [2]: a = np.arange(10)

In [3]: a.size
Out[3]: 10

In [4]: import torch as tc

In [5]: b = tc.arange(10)

In [6]: b.size
Out[6]: <function Tensor.size>

In [7]: b.size()
Out[7]: torch.Size([10])

In [8]: b.size(dim=0)
Out[8]: 10

在這個例子中我們發現，如果在PyTorch中去調用同樣的size函數的時候，只能逐個維度的進行輸出。也就是說，PyTorch所理解的size，是基于維度的size。那么如果我們需要在PyTorch中去獲取一個高維tensor的大小，應該如何操作呢？如果不知道的情況下，只能用size函數獲取每一個維度的大小之后，去做一個累計乘積。但其實PyTorch提供了一個numel函數，可以像其他框架的size一樣去獲取一個高維tensor的大小：

In [1]: import torch as tc

In [2]: b = tc.arange(60)

In [3]: b = b.reshape((3,4,5))

In [4]: b.shape
Out[4]: torch.Size([3, 4, 5])

In [6]: b.numel()
Out[6]: 60

總結概要

本文重點介紹了一下如何在PyTorch中去計算一個高維tensor的大小，也就是元素的總數。在其他框架中我們需要使用size函數來獲取，而在PyTorch框架中這個接口被調整為numel，本文給出了兩個具體代碼示例。

版權聲明

本文首發鏈接為：http://www.rzrgm.cn/dechinphy/p/tensor-size.html

作者ID：DechinPhy

更多原著文章：http://www.rzrgm.cn/dechinphy/

請博主喝咖啡：http://www.rzrgm.cn/dechinphy/gallery/image/379634.html