Python中的直接赋值、浅拷贝和深拷贝

含义

• 直接赋值：其实就是对象的引用，指向同一内存空间；
• 浅拷贝：拷贝父对象，不会拷贝对象的内部的子对象；
• 深拷贝：完全拷贝了父对象及其子对象。

可变对象与不可变对象

• 可变对象是指，一个对象在不改变其所指向的地址的前提下，可以修改其所指向的地址中的值，可变对象包括：列表、字典、集合。

• 不可变对象是指，一个对象所指向的地址上值是不能修改的，如果你修改了这个对象的值，那么它指向的地址就改变了，相当于你把这个对象指向的值复制出来一份，然后做了修改后存到另一个地址上了，但是可变对象就不会做这样的动作，而是直接在对象所指的地址上把值给改变了，而这个对象依然指向这个地址。通常来讲不可变元素包含：int，float，complex，long，str，unicode，tuple。

实例

1. List的深拷贝与浅拷贝

m = [1, 2, [3]]
n = m[:]
n[1] = 4
n[2][0] = 5
print('m = ', m)

输出结果：m = [1, 2, [5]]

解释

n 中的前两个元素的地址仍然和 m 中一样。这是由于它们是不可变对象，不存在被修改的可能，所以拷贝和赋值是一样的。后一个元素不属于不可变元素类型，因此可以被修改。

2.字典的深拷贝与浅拷贝

# 浅拷贝
a = {1: [1,2,3]}
b = a.copy()
print(a, b)

输出结果：{1: [1, 2, 3]}, {1: [1, 2, 3]}

a[1].append(4)
print(a, b)

输出结果：{1: [1, 2, 3, 4]}, {1: [1, 2, 3, 4]}

import copy
c = copy.deepcopy(a)
print(a, c)

输出结果：{1: [1, 2, 3, 4]}, {1: [1, 2, 3, 4]}

a[1].append(5)
print(a, c)

输出结果：{1: [1, 2, 3, 4, 5]}, {1: [1, 2, 3, 4]}

3. Pytorch的model load_state_dict()和state_dict()

model.state_dict()

是浅拷贝，返回的参数仍然会随着网络的训练而变化。model这个对象实际上是指向各个参数矩阵的，而浅拷贝只会拷贝最外层的这些“指针”。因为浅拷贝，容易导致在保存最优模型参时误保存的都是最后一轮的模型参数，可使用

deepcopy(model.state_dict())

来实现深拷贝。或者将参数及时序列化到硬盘。

model.load_state_dict()

是深拷贝。

参考链接

1. https://zhuanlan.zhihu.com/p/40449219
2. https://www.runoob.com/w3cnote/python-understanding-dict-copy-shallow-or-deep.html
3. https://www.cnblogs.com/xiaxiaoxu/p/9742452.html