更改np数组不会自动更改Torch张量吗？

Question

我正在研究PyTorch的基本教程，并遇到了NumPy数组和Torch张量之间的转换。该文件说：

Torch Tensor和NumPy数组将共享其基础内存位置，并且更改一个将更改另一个。

但是，以下代码似乎并非如此：

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)

我在这里想念什么？

Answer 1

任何时候你=在 Python 中写一个符号，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始 a，然后计算为一个新对象 ie a + 1，它替换了原始 a。b 仍然指向原来 a 的内存位置，但现在 a 指向了内存中的一个新对象。

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

而使用a += 1，Python使用参数 1调用a的就地加法方法 ( __iadd__)。

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

（感谢@Engineero和@Warren Weckesser在评论中指出这些解释）