在torch中，为什么我连续使用id(tensor[x][y])会得到两个不同的结果？

Question

x=torch.rand(3,3)
id(x[0][0])
1186163119824
id(x[0][0])
1186163118464
id(x[0,0])
1186163118464
id(x[0,0])
1186163118464

我了解Python中列表的存储结构，也明白浅拷贝和深拷贝的概念，但我对PyTorch中的张量不太熟悉。请问id函数有问题吗？

Answer 1

x[<whatever>] 这个操作会创建一个新的张量，你可以通过下面的方式来验证这一点：

>>> import torch
>>> x=torch.rand(3,3)
>>> type(x[0])
<class 'torch.Tensor'>

关于你用 id 进行测试的部分，结果可能不太明确。不过，查看一下id函数的文档可能会有帮助。

id(object)
返回一个对象的“身份”。这个身份是一个整数，保证在对象的生命周期内是唯一且不变的。两个生命周期不重叠的对象可能会有相同的 id() 值。

CPython 实现细节：这是对象在内存中的地址。

触发一个审计事件 builtins.id，参数为 id。

简单来说，每次使用 [] 操作符时，你都会创建新的对象，因此像 x[0][0] 这样的两个语句的结果不一定会有相同的 id（也就是说，在 CPython 中，它们可能不在同一个内存地址上）。