pytorch入门（三）：加法的陷阱

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

第一种方法是写一个加法表达式

c = a + b
print(c)

结果

tensor([3., 4., 5.])

第二种方法是调用torch的加法函数

c = torch.add(a, b)
print(c)

结果

tensor([3., 4., 5.])

也可以调用a的加法函数

c = a.add(a, b)
print(c)

结果

tensor([3., 4., 5.])

运算后，a、b本身有没有变？

print('a =', a)
print('b =', b)

结果

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

跟预期一样，操作数是不变的。
再来试试带下划线的版本，这个版本有副作用，它不仅做加法运算，而且还顺便改变了某些变量的值。

a.add_(b)
print('a =', a)

结果

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

可以发现，a的值变了，它原来是1来着。
如果执行c = a.add_(b)的话，要避开一个坑。

c = a.add_(b)
c += 100
print('a =', a)
print('id(c) == id(a)？', id(c) == id(a))

结果

a = tensor([105., 107., 109.])
id(c) == id(a)？ True

幺蛾子！改变c，a却变了，因为c就是a，它们的id相等。所以调用那些个带下划线的函数，像这里的add_，就不要赋值了。
最后看看就地更新。out=c表示add的结果保存于c。要注意的是一不小心，d也变了。

a = torch.Tensor([1,1,1])
b = torch.Tensor([2,3,4])
d = torch.Tensor([1])
c = d
c = a + b
print(d) # d不受影响

c = d
torch.add(a, b, out=c)
print(d) # d被改变了
print()

结果

tensor([1.])
tensor([3, 4., 5.])