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