torch.shape 和 torch.size() 输出结果相同。

x = torch.tensor([[0, 2],[3,4],[9,8]])
print(x.shape)

在这里插入图片描述

x = torch.tensor([[[0, 2],[0,8],[2,7]],[[2,5],[9,3],[7,3]]])
print(x)
print(x.shape)

在这里插入图片描述

x = torch.tensor([0,1,2,4,5,6,2])
print(x.shape)

在这里插入图片描述

Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

企业法务Agent怎么选？知识、工具调用、安全和交付能力评估表

avatar 2048 AI社区
cover

传统运维能否被 AI 改写？基于 Intel Berkeley 实验室数据的 DolphinDB MCP 实战

avatar 2048 AI社区

M3 Max 96GB 本地部署 Qwen3.6-35B-A3B：打造 SolidWorks 智能机械设计与企业知识库 AI 工作站

目前已经存在针对 Apple Silicon 优化的 MLX 量化版本，例如 Qwen3.6-35B-A3B-OptiQ-4bit，可以直接使用 MLX 运行，无需将模型转换成 GGUF。它采用 MoE（Mixture of Experts）架构，总参数规模约 35B，但每个 Token 实际激活的参数规模约为 3B，因此非常适合 Apple Silicon 本地推理。该版本针对 Apple Si

avatar 2048 AI社区