torch.tensor 内存共享机制

tensor属于可变数据类型，因此变量的值存储在堆中，变量名存储在栈中，当进行变量赋值时，就是让栈中的变量指向堆，如下面代码：

import torch
a  =  torch.tensor([1,2,3,4])
b = a

首先将栈中的a指向堆中的torch.tensor([1,2,3,4])。b=a则是将栈中的b也指向堆中的torch.tensor([1,2,3,4])。也就是说此时ab指向堆中同一个地址。
此时若对a本体就行操作如切片或者增加数据等，如：

a[1] = 9

此时由于a,b指向同一个地址，那么b也会改变。但若对a进行赋值操作，如：

a = torch.tensor([2,3,4,5])

那么此时就相当于重新改变栈中a在堆中地址的指向，重新指向torch.tensor([2,3,4,5])，而b还是指向原来的tenor，因此两者的数据不对等。

可变类型数据与不可变类型数据的本质区别就是可变类型数据能够改变数据本体的值，即可以在数据本身操作，如第二片代码，不可变数据想要改变栈中的变量名的值，只能在堆中重新建立变量，再另变量名指向该变量。