更改np数组不会自动更改Torch Tensor？

Question

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。文件说：

Torch Tensor和NumPy阵列将共享其底层内存位置，更改一个将改变另一个。

但是，在以下代码中似乎不是这种情况：

import numpy as np

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

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

在上面的例子中，我看到输出中自动反映的变化：

[[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，同样不会发生：

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？

Answer 1

每当你用Python编写=符号时，你就会创建一个新对象。

因此，在第二种情况下表达式的右侧使用原始a，然后计算一个新对象，即a + 1，它取代了原始a。 b仍然指向原始a的内存位置，但现在指向内存中的新对象。

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，使用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添加到现有数组中。

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