澄清 pytorch 张量作为参考与值

Question

为什么顶部代码

a = mat[0,0]; a = torch.tensor([99])

没有改变

mat

但底部代码

row = mat[0,:]; row[0] = torch.tensor([99])

却改变了？

>>> mat = torch.ones(2,3); print(mat)
tensor([[1., 1., 1.],
        [1., 1., 1.]])
>>> a = mat[0,0]
>>> a = torch.tensor([99]); print(mat)
tensor([[1., 1., 1.],
        [1., 1., 1.]])
>>> row = mat[0,:]
>>> row[0] = torch.tensor([99]); print(mat)
tensor([[99.,  1.,  1.],
        [ 1.,  1.,  1.]])

Answer 1

运行

a = torch.tensor([99])

时，会将

a

变量的引用从

mat

张量更改为新的

torch.tensor([99])

。这里的赋值改变了变量

a

的含义。

当您运行

row[0] = torch.tensor([99])

时，

row

参考保持不变，但特定项目

row[0]

发生了更改。因为

row

与

mat

共享内存，所以

mat

也会发生变化。这里的赋值不是改变变量row

，而是改变

row

的特定元素。

您可以更直接地比较两个作业。

mat = torch.ones(2,3)
row = mat[0,:]
row[0] = torch.tensor([99]) # here we change element `0` of `row`
print(mat) # mat is changed

mat = torch.ones(2,3)
row = mat[0,:]
row = torch.tensor([99]) # here we change the variable `row` without changing specific elements
print(mat) # mat is unchanged