《动手学深度学习》 pytorch版-运算的内存开销

# 运算的内存开销


# 索引操作是不会开辟新内存的,
# 而像y = x + y这样的运算是会新开内存的,然后将y指向新内存。
# 为了演示这一点,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。

import torch

x = torch.tensor([1, 2])
y = torch.tensor([3, 4])
id_before = id(y)
y = y + x
print(id(y) == id_before, 'y = y + x') # False 

在这里插入图片描述

# 如果想指定结果到原来的y的内存,
# 我们可以使用前面介绍的索引来进行替换操作。
# 在下面的例子中,我们把x + y的结果通过[:]写进y对应的内存中。
# 通过切片的方式赋值属于浅拷贝
x = torch.tensor([1, 2])
y = torch.tensor([3, 4])
id_before = id(y)
y[:] = y + x
print(id(y) == id_before, 'y[:] = y + x') # True

在这里插入图片描述

# 我们还可以使用运算符全名函数中的out参数或者自加运算符+=(也即add_())达到上述效果,
# 例如torch.add(x, y, out=y)和y += x(y.add_(x))。(和切片的方式效果一样)
x = torch.tensor([1, 2])
y = torch.tensor([3, 4])
id_before = id(y)
torch.add(x, y, out=y) # y += x, y.add_(x)
print(id(y) == id_before, 'torch.add(x, y, out=y)') # True
# 注:虽然view返回的Tensor与源Tensor是共享data的,
# 但是依然是一个新的Tensor(因为Tensor除了包含data外还有一些其他属性),
# 二者id(内存地址)并不一致。

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值