pytorch小记（六）：pytorch中的clone和detach操作：克隆/复制数据 vs 共享相同数据但 与计算图断开联系

---

以下代码片段：

self.x = x.clone().detach()  # 或 torch.tensor(x).float()

用于处理和复制张量 x，并根据需要使其与原始计算图断开联系或改变其数据类型。下面是逐部分详细解释。

---

1. x.clone()

• 作用：对张量 x 进行深拷贝，生成一个新的张量。
  • 新的张量和原始张量具有相同的数据，但存储在不同的内存空间。
  • 修改 clone() 的返回值不会影响原始张量。

示例：

x = torch.tensor([1.0, 2.0, 3.0], requires_grad=True)
y = x.clone()

y[0] = 99.0
print(x)  # tensor([1., 2., 3.], grad_fn=<CloneBackward>)
print(y)  # tensor([99.,  2.,  3.])

---

2. x.detach()

• 作用：返回一个与 x 共享相同数据但 与计算图断开联系 的张量。
  • 通常用于阻止梯度计算。
  • 在神经网络中，如果你不希望某些操作影响反向传播时，会用到 detach()。

示例：