更改 np 数组不会自动更改 Torch 张量？答案

【问题标题】：Changing the np array does not change the Torch Tensor automatically?更改 np 数组不会自动更改 Torch 张量？
【发布时间】：2019-02-21 18:02:04
【问题描述】：

我正在阅读 PyTorch 的基本教程，并遇到了 NumPy 数组和 Torch 张量之间的转换。文档说：

Torch 张量和 NumPy 数组将共享它们的底层内存位置，改变一个会改变另一个。

但是，下面的代码似乎并非如此：

import numpy as np

a = np.ones((3,3))
b = torch.from_numpy(a)

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

在上述情况下，我看到更改自动反映在输出中：

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

但是当我写这样的东西时不会发生同样的事情：

a = np.ones((3,3))
b = torch.from_numpy(a)

a = a + 1
print(a)
print(b)

我得到以下输出：

[[2. 2. 2.]
 [2. 2. 2.]
 [2. 2. 2.]]
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)

我在这里错过了什么？

【问题讨论】：

除非我弄错了，任何时候你在 Python 中写一个等号，你都是在创建一个新对象。因此，在第二种情况下，表达式的右侧使用原来的a，然后计算出一个新对象，它替换了原来的a。 b 仍然指向原来a 的内存位置，但现在a 指向内存中的一个新对象。
很可能就是这样。谢谢;除了使用np.add()之外还有其他方法可以帮助我验证您的解释吗？
a += 1 应该这样做。
@WarrenWeckesser 成功了！多谢！你能解释一下这与a = a + 1有什么不同吗？我的印象是两者的意思是一样的。
在a = a + 1 中，表达式a + 1 创建一个新数组，然后Python 将该新对象分配给名称a。使用a += 1，Python 使用参数1 调用a 的就地添加方法(__iadd__)，numpy 代码负责将该值就地添加到现有数组中。

【解决方案1】：

任何时候你在 Python 中写一个= 符号，你就是在创建一个新对象。

所以第二种情况中表达式的右侧使用原始a，然后计算为一个新对象，即a + 1，它替换了这个原始a。 b 仍然指向原来 a 的内存位置，但现在 a 指向内存中的一个新对象。

换句话说，在a = a + 1 中，表达式a + 1 创建一个新对象，然后Python 将该新对象分配给名称a。

然而，对于 a += 1，Python 使用参数 1 调用 a 的就地添加方法 (__iadd__)。

numpy 代码：np.add(a,1,out=a)，在 第一种情况下负责将该值原地添加到现有数组中。

（感谢@Engineero和@Warren Weckesser在cmets中指出这些解释）

【讨论】：