PyTorch中torch.Tensor接收torch.Size对象的行为疑问

核心原因：两个构造函数的设计差异 #

PyTorch中torch.Tensor()（大写T类构造函数）和torch.tensor()（小写t工厂函数）的行为完全不同，这是导致问题的关键：

1. torch.Tensor()（类构造函数）
   当传入的参数是序列类型（比如torch.Size，它本质是tuple的子类）时，该序列会被当作张量的形状参数，用于创建对应形状的未初始化张量。未初始化张量的内存是随机分配的，所以你会看到看似全0但实际包含非零元素的结果。
   你的代码torch.Tensor(data.shape)中，data.shape返回的torch.Size([1, 2000, 3000])被识别为形状参数，因此生成了一个形状为(1,2000,3000)的未初始化张量。

2. torch.tensor()（工厂函数）
   这个函数的作用是将输入的数据转换为张量，不管输入是tuple、list还是torch.Size，都会把其中的数值作为张量的元素。因此torch.tensor(data.shape)会直接把data.shape中的1、2000、3000作为元素，生成一个形状为(3,)的张量。

为什么torch.Tensor(list(data.shape))能正常工作？ #

当你把data.shape转换为list后，list(data.shape)是一个包含尺寸数值的列表，此时传给torch.Tensor()时，构造函数会将其视为数据输入而非形状参数，因此生成存储这些数值的张量。这是因为torch.Tensor()对非tuple/Size类型的序列（比如list）的处理逻辑是当作数据。

结论 #

这个行为不是bug，是PyTorch构造函数的设计逻辑，长期以来保持稳定，未来版本也不会随意变更。如果要将张量的尺寸值转换为张量，推荐使用：

• torch.tensor(data.shape)（最简洁）
• torch.Tensor(list(data.shape))

内容的提问来源于stack exchange，提问作者Profitus Maximus