Question

考虑以下几行

import theano.tensor as T 

x = T.dscalar('x')
y = T.dscalar('y')
z = x+y

然后，

In [15]: type(x)
Out[15]: theano.tensor.var.TensorVariable

而，

In [16]: x.type
Out[16]: TensorType(float64, scalar)

为什么type（x）和x.type提供两条不同的信息？他们传达了什么信息？

我也看到提到Theano tutorial，

>>> type(x)
<class 'theano.tensor.basic.TensorVariable'>
>>> x.type
TensorType(float64, scalar)

为什么type（x）输出在我的情况下是不同的？这些是由版本特定的实现差异引起的，以及这种差异所表示的是什么？

Answer 1

type(x)是内置的。

x.type是您对象中定义的属性。

它们是完全独立的，type(x)返回对象x的类型，x.type执行对象想要的任何操作。在这种情况下，它返回一些有关对象类型的信息

Answer 2

当你说

时，

theano.tensor有一个属性type

x.type

这与它们的许多对象所携带的numpy对象dtype属性类似（如果您熟悉该库）。

另一方面，type是一个Python函数，它查看传入的对象的实际类型，type(x)确实是

theano.tensor.var.TensorVariable

简而言之，您将属性与实际对象类型进行比较。

Answer 3

正如其他人所提到的，type(x)是Python的builtin function，它返回对象的类型。它与Theano本身无关。这个内置函数可以应用于任何Python对象（Python中的所有内容都是对象）。例如，

type(1)是int，
type(True)是bool，
type(lambda x: x * x)是function等。

有趣的是，您可以在type上致电type（包括type在内的所有内容都是对象） - type(type)为type。

顺便说一下，type(T.dscalar)是TensorType（确切地说theano.tensor.type.TensorType）。

正如其他人所提到的，

x.type是对象x的属性。它指回type(T.dscalar)。 x.type会返回TensorType(float64, scalar) - 这不仅会向您显示T.dscalar的类型，还会告诉您x是标量且它是64位浮点数。

type属性的其他示例：

>>> iv = T.ivector()
>>> iv.type
TensorType(int32, vector)    # iv is a vector of 32-bit ints
>>> fm = T.fmatrix()
>>> fm.type
TensorType(float32, matrix)   # fm is a matrix of 32-bit floats
>>> lt3 = T.ltensor3()
>>> lt3.type
TensorType(int64, 3D)    # lt3 is a 3D array of 64-bit ints

Python中的x.type和type（x）有什么区别？

3 个答案: