pytorch tensor数据存储与内存共享

　　tensor分为头信息区（Tensor）和存储区（Storage）。信息区主要保存着tensor的形状（size）、步长（stride）、数据类型（type）等信息，而真正的数据则保存成连续数组，存储在存储区。

　　

　　通过id（tensor.storage)来获取“存储区”，注意：id（tensor)与id(tensor.storage)不同，id（tensor)是整个tensor所占的内存地址（包括信息区和存储区），而 id(tensor.storage)只是该tensor存储区的内存地址，也就是说某几个tensor的存储区的内存地址可以相同（即他们共享数据）。

　　1，切片操作：

　　索引出来的结果与原数据共享内存（存储区内存地址相同，总内存地址不同）。

　　[In]:　　 x=torch.zeros(2,2)  # x: [ [ 0,0]

　　　　　　　　　　　　　　　　　　[0,0] ]

　　　　　　y=x[0,:]

　　　　　　y+=1

　　　　　　print(y)

　　　　　　print(x)

　　　　　　print(id(y)==id(x))

　　　　　　print(id(y.storage)==id(x.storage))

　　[Out]:

　　　　　　y:[[1,1]]

　　　　　　x:[[1,1]

　　　　　　　[0,0]]

　　　　　　False

　　　　　　True

　　

　　2, view方法:

　　view可以用来改变tensor的形状,返回新的tensor。

　　返回的tensor与原数据共享data，即存储区内存地址相同，总内存地址不同

　　[In]　   x=torch.zeros(2,2)  # x: [ [ 0,0]

 

　　　　　　　　　　　　　　　　　[0,0] ]

　　   　　 y=x.view(4,1)　　  

　　　　　y+=1

　　　　　print(y)

　　　　　print(x)

　　　　　print(id(y)==id(x))

　　　　　print(id(y.storage)==id(x.storage))

　　[Out]　y: [[1][1][1][1]]

　　　　　x: [[1, 1]

　　　　　　 [1,1]]

　　　　　False

　　　　　True

　　

　　3 detach,data方法:

　　与tensor全切片时相同。

 

　　4 numpy,from_numpy方法

　　该方法将tensor与numpy相互转换，这两个函数所产生的tensor与numpy的数组共享内存（即存储区内存相同）。