PyTorch一维张量shape属性返回行为与多维张量的差异问题

这个行为差异和PyTorch的shape属性本身逻辑无关，完全是Python基础赋值、解包语法规则导致的。

核心本质：shape的返回值规则 #

t.shape永远返回torch.Size类型的对象，这个类是Python原生元组（tuple）的子类，行为和元组完全一致：

• 张量有多少个维度，torch.Size里就包含多少个对应维度长度的元素
• 它始终是一个序列对象，从来不会因为张量维度少就直接返回单个数值

二维张量场景的原理解释 #

对于形状为[3,2]的二维张量，t.shape得到的是长度为2的torch.Size序列，等价于元组(3, 2)。
你写N, M = t.shape时，触发了Python的可迭代对象解包逻辑：等号右边的序列有2个元素，等号左边刚好写了2个变量，Python会自动把序列里的元素按顺序赋值给对应变量，最终得到N=3、M=2。

注意：这个过程里shape本身没有返回两个单独的数值，你拿到两个独立整数是解包语法的作用，不是shape的特殊行为。

一维张量场景的原理解释 #

对于形状为[3]的一维张量，t.shape得到的是长度为1的torch.Size序列，等价于元组(3,)。
你写X = t.shape时，等号左边只有1个变量，不会触发解包逻辑，Python会把整个torch.Size序列对象直接赋值给X，自然得到torch.Size([3])，而不是序列内部存储的数值3。

如果想拿到数值3，有两种等价写法：

• 索引取值：X = t.shape[0]，即取出长度为1的序列里的第0个元素
• 单元素解包：X, = t.shape（注意X后面的逗号），显式告诉Python你要对长度为1的序列做解包，同样可以直接拿到数值3

行为对比（原生Python元组） #

torch.Size的行为和Python原生元组完全一致，可以用原生代码复现你观察到的所有现象：

# 对应二维张量场景
two_dim_shape = (3, 2)
N, M = two_dim_shape
print(N) # 3
print(M) # 2
print(two_dim_shape) # (3, 2)

# 对应一维张量场景
one_dim_shape = (3,)
X = one_dim_shape
print(X) # (3,)
X = one_dim_shape[0]
print(X) # 3
X, = one_dim_shape
print(X) # 3

内容的提问来源于stack exchange，提问作者melatonin15