Pytorch 张量存储在调用 storage() 方法时具有相同的 id答案

【问题标题】：Pytorch Tensor storages have the same id when calling the storage() methodPytorch 张量存储在调用 storage() 方法时具有相同的 id
【发布时间】：2021-07-21 04:24:15
【问题描述】：

我正在通过博客（用我的母语 - 越南语）学习张量存储，在尝试了这些示例之后，我发现了一些难以理解的东西。给定 3 个张量 x、zzz 和 x_t，如下所示：

import torch

x = torch.tensor([[3, 1, 2],
                  [4, 1, 7]])
zzz = torch.tensor([1,2,3])
# Transpose of the tensor x 
x_t = x.t()

当我将每个张量的存储设置为对应的变量时，它们的id就互不相同了：

x_storage = x.storage()
x_t_storage = x_t.storage()
zzz_storage = zzz.storage()
print(id(x_storage), id(x_t_storage), id(zzz_storage)) 
print(x_storage.data_ptr())   
print(x_t_storage.data_ptr())

输出：

140372837772176 140372837682304 140372837768560
94914110126336
94914110126336

但是当我在同一个 print 语句中对每个原始张量调用 storage() 方法时，无论我尝试了多少次，所有张量都观察到相同的输出：

print(id(x.storage()), id(x_t.storage()), id(zzz.storage()))
# 140372837967904 140372837967904 140372837967904

当我将它们分别打印在不同的行上时，情况变得更加奇怪；有时他们的结果不同，有时他们的结果相同：

print(id(x.storage()))
print(id(x_t.storage()))
# Output: 
# 140372837771776
# 140372837709856

所以我的问题是，为什么在第一种情况下存储的 id 之间存在差异，而在第二种情况下观察到相同的 id？（那个 id 是从哪里来的？）。第三种情况是怎么回事？

另外，我想询问data_ptr() 的方法，因为在我在Pytorch discuss 上看到的一个问题中建议使用它而不是id，但是Pytorch 中的文档只显示没有更多细节。如果有人能给我任何/所有问题的详细答案，我会很高兴。

【问题讨论】：

标签： python memory pytorch tensor

【解决方案1】：

在Pytorch讨论区和Stack Overflow上搜索后，发现张量位置的比较应该使用data_ptr()的方法（根据Python discuss in the question和this link）（虽然不完全正确，查看第一个 Python 讨论以获得更好的比较方法）

关于id 部分，Stack Overflow 上有很多关于这个话题的问题。我在这里看到一个question 有很多答案，可以解决上述大部分问题。我对对象的id和内存分配也有一些误解，在my recent question的评论区也得到了解答

【讨论】：