PyTorch中如何区分拷贝与就地操作，详细解析？

本文共计2085个文字，预计阅读时间需要9分钟。

前言：PyTorch中我们经常使用Numpy进行数据的处理，然后再转换到Tensor。但是，关系到数据的更新时，我们应注意方法是否是共享地址，这关系到整个网络的更新。本篇主要介绍In-place操作和复制操作。

前言

PyTroch中我们经常使用到Numpy进行数据的处理，然后再转为Tensor，但是关系到数据的更改时我们要注意方法是否是共享地址，这关系到整个网络的更新。本篇就In-palce操作，拷贝操作中的注意点进行总结。

In-place操作

pytorch中原地操作的后缀为_，如.add_()或.scatter_()，就地操作是直接更改给定Tensor的内容而不进行复制的操作，即不会为变量分配新的内存。Python操作类似+=或*=也是就地操作。