numpy中的赋值与copy()

不变强不改名

已于 2022-05-05 08:59:07 修改

阅读量949

点赞数

分类专栏： Pytorch 文章标签： pytorch 深度学习机器学习

于 2022-05-04 09:56:01 首次发布

本文链接：https://blog.youkuaiyun.com/m0_58772523/article/details/124566172

版权

Pytorch 专栏收录该内容

14 篇文章

订阅专栏

本文探讨了在PyTorch和NumPy中进行数据操作时，如何正确处理赋值以避免意外的共享状态。重点讲解了深拷贝和浅拷贝的概念，以及在不同场景下使用clone(), copy(), numpy().copy()等方法的重要性。同时，通过示例展示了如何在tensor与ndarray之间转换，并保持数据独立性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一个博客中提到pytorch中将tensor a赋值给tensor b，当改变b时a也会改变；或者是将tensor a赋值给ndarray b时，改变b，a也会改变。

同样的在numpy中，使用n2 = n1，当改变n2时，n1也会跟着改变，这时应使用n2=n1.copy();

对于tensor转ndarray，可以使用tensor.clone().numpy()或者tensor.numpy().copy();

对于ndarray转tensor，使用torch.form_numpy()时，修改tensor也会改变 ndarray，使用torch.tensor()则不会改变ndarray，示例如下：

import torch
import numpy as np

a = np.array([1, 2, 3])
b = torch.tensor(a)
b[0] = 3
print(f"ndarray a = {a}")
print(f"tensor b = {b}")


-----------------output--------------------

ndarray a = [1 2 3]
tensor b = tensor([3, 2, 3], dtype=torch.int32)

总结，对于要保留中间值时:

从tensor到tensor需要使用clone()

从tensor到ndarray需要使用copy()

从ndarray到ndarray需要使用copy()

从numpy到tensor使用torch.tensor()