python - PyTorch 在张量和 numpy 数组之间的转换 : the addition operation

Question

我正在关注 60-minute blitz on PyTorch但对将 numpy 数组转换为张量有疑问。教程示例 here .

这段代码:

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

产量

[2. 2. 2. 2. 2.]

tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

不过

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
a = a + 1 #the diff is here 
print(a)
print(b)

产量

[2. 2. 2. 2. 2.]

tensor([1., 1., 1., 1., 1.], dtype=torch.float64)

为什么输出不同？

Answer 1

这实际上与 PyTorch 关系不大。比较

import numpy as np
a = np.ones(5)
b = a

紧随其后

np.add(a, 1, out=a)
print(b)

或

a = a + 1
print(b)

np.add(a, 1, out=a) 和 a = a + 1 是有区别的。在前者中，您保留具有不同值(2 而不是 1)的相同对象(数组)a；在后者中，您会得到一个新 数组，它绑定(bind)到相同的变量名a 并且具有2 的值。然而，“原始”a 被丢弃，除非有其他东西(b)指向它，否则将被释放。换句话说，第一个操作是就地的，而后者是异地的。由于 b 保留了最初在 a 处找到的数组，因此将 a + 1 重新分配给 a 不会影响b 的值。另一种就地突变语法是

a[:] = a + 1
print(b)

关于PyTorch，很简单。 from_numpy 创建一个为实际对象(数组)起别名的张量，因此它等同于我第一个代码段中的 b = a 行。张量将跟踪调用时名为 a 的数组的变化，而不是名称 a 指向的变化。