pytorch查看通道数 维数 尺寸大小

 查看tensor

x.shape   # 尺寸
 
x.size()  # 形状

x.ndim    # 维数

例如

import torch

parser = argparse.ArgumentParser(description='PyTorch')

parser.add_argument('--img_w', default=144, type=int, metavar='imgw', help='img width')

parser.add_argument('--img_h', default=288, type=int, metavar='imgh', help='img height')

parser.add_argument('--batch-size', default=32, type=int,metavar='B', help='training batch size')

parser.add_argument('--test-batch', default=64, type=int, metavar='tb', help='testing batch size')

class net(nn.Module):
    def __init__(self, arch='resnet18'):
        super(net, self).__init__()
        model_ft = models.resnet50(pretrained=True)
        self.visible = model_ft

    def forward(self, x):
        print(x.shape)
        print(x.size())
        print(x.ndim)

        input = self.visible.conv1(x)

        print(input.shape)
        print(input.size())
        print(input.ndim)

从左至右起，32表示训练集batch_size大小，3是图像通道数，288是图像高度，144是图像宽度，图像尺寸 288*144，维度个数是4。很多博客在介绍论文时候，没有准确表达这些参数名称，往往出现张冠李戴，导致读者后续使用过程中被老师ma

经过标准resnet50第一层卷积后，结果是：32表示训练集batch_size大小，64是图像通道数，72是图像高度，36是图像宽度，图像尺寸72*36，维数是4