x.type 和 Python 中的 type(x) 有什么区别？

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 给出两种不同的信息？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)

为什么我的 type(x) 输出不同？这些是由版本特定的实现差异引起的吗？这种差异意味着什么？

Answer 1

theano.tensor 有一个属性 type，当您说

时，您正在查看该属性

x.type

这类似于 numpy 对象 dtype 其许多对象所具有的属性（如果您熟悉该库）。

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

theano.tensor.var.TensorVariable

长话短说，您是在将属性与实际对象类型进行比较。

Answer 2

type(x) 是内置函数。

x.type 是在您的对象中定义的属性。

它们是完全独立的，type(x) returns 什么类型的对象 x 和 x.type 做任何对象想要它做的事情。在这种情况下，它 returns 一些关于对象类型的信息

Answer 3

正如其他人提到的，type(x) 是 Python 的 builtin function 即 returns 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，等等

有趣的是，您可以在 type 本身上调用 type（所有内容，包括 type，都是一个对象）- type(type) 是 type。

顺便说一下，type(T.dscalar) 是 TensorType（准确地说是 theano.tensor.type.TensorType）。

x.type，正如其他人提到的，是对象x的属性。它指向 type(T.dscalar)。 x.type returns TensorType(float64, scalar) - 这不仅向您展示了 T.dscalar 的类型，还告诉您 x 是标量并且是 64 位浮点数。

类型属性的其他例子：

>>> 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

x.type 和 Python 中的 type(x) 有什么区别？

what is the difference between x.type and type(x) in Python?

python

theano