python - Pytorch:更新 numpy 数组而不更新相应的张量

Question

当我运行以下代码时，

import numpy as np
a = np.ones(3)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

a 和 b 都是 2。

但是，当我运行时:

import numpy as np
a = np.ones(3)
b = torch.from_numpy(a)
a = a+1
print(a)
print(b)

b 仍为 1s，而 a 已更新为 2s。

这是预期的行为吗？

Answer 1

是的，如@hpaulj pointed out in his comment 、操作

a = a + 1

创建原始数组a的副本并使用broadcasting加1 。并且在加法之后，由于我们将其分配给a，因此a被更新为加法运算的结果。但是，b仍然共享原始数组a的内存(即更新之前创建的数组a。)

所以，我们看到的结果是这样的:

In [75]: a = np.ones(3)
    ...: b = torch.from_numpy(a)
    ...: a = a+1     # <========= creates copy of `a` and modifies it
    ...: print(a)
    ...: print(b)
    ...: 
[ 2.  2.  2.]

 1
 1
 1
[torch.DoubleTensor of size 3]

---

但是，看看当您愿意这样做时会发生什么:

In [72]: a = np.ones(3)
    ...: b = torch.from_numpy(a)
    ...: a += 1      # <========== in-place modification of `a`
    ...: print(a)
    ...: print(b)
    ...:

[ 2.  2.  2.]

 2
 2
 2
[torch.DoubleTensor of size 3]

观察 += 操作如何就地对原始数组进行修改，而 somearr = somearr + 1 创建数组的副本 somearray，然后对其进行修改。