NDArray的一些性质

最新推荐文章于 2025-07-18 19:36:38 发布

这题我会啊

最新推荐文章于 2025-07-18 19:36:38 发布

阅读量442

点赞数

CC 4.0 BY-SA版权

分类专栏： mxnet 文章标签： mxnet ndarray

本文链接：https://blog.youkuaiyun.com/Love_wanling/article/details/81130136

mxnet 专栏收录该内容

4 篇文章

订阅专栏

这篇博客探讨了NDArray在运算过程中的内存开销，指出即使在y = x + y这样的操作中也会产生新的内存。通过id函数可以验证这一点。为了避免额外的内存开销，可以使用zeros_like创建新的NDArray并利用索引进行替换操作，或者利用全名函数的out参数。此外，讲解了NDArray的复制特性，普通的赋值操作如y = x会导致y成为x的别名，共享数据存储，而使用copy方法可以实现真正意义上的复制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

运算的内存开销

前⾯例⼦⾥我们对每个操作新开内存来储存它的结果。例如即使是 y = x + y 我们也会新创建
内存，然后再将 y 指向新内存。为了展⽰这⼀点，我们可以使⽤ Python ⾃带的 id 函数：如果两
个实例的 ID ⼀致，那么它们所对应的内存地址相同；反之则不同。

In [24]: before = id(y)
         y = y + x
         id(y) == before
Out[24]: False

如果我们想指定结果到特定内存，我们可以使⽤前⾯介绍的索引来进替换操作。在下⾯的例⼦中，
我们先通过 zeros_like 创建和 y 形状相同且元素为 0 的 NDArray，记为 z。接下来，我们把 x
+ y 的结果通过 [:] 写进 z 所对应的内存中。

In [25]: z = y.zeros_like()
         before = id(z)
         z[:] = x + y
         id(z) == before
Out[25]: True

注意到这⾥我们还是为 x + y 创建了临时内存来存储计算结果，再复制到 z 所对应的内存。如
果想避免这个内存开销，我们可以使⽤运算符的全名函数中的 out 参数。

In [26]: nd.elemwise_add(x, y, out=z)
            id(z) == before
Out[26]: True

如果现有的 NDArray 的值在之后的程序中不会复⽤，我们也可以⽤ x[:] = x + y 或者 x +=
y 来减少运算的内存开销。

复制

a = nd.arange(4)
b = a
b[1] = 33
a
[ 0. 33.  2.  3.]

所以，在NDArray中一般的赋值语句像y = x，y实际上只是x的一个别名而已，x和y是共享一份数据存储空间的。如果要不一样，得用copy

y = x.copy()