Numpy数组：函数也会影响原始输入对象

Question

我正在 TensorFlow 2.0 中使用我的个人图像增强功能。更具体地说，我编写了一个返回随机缩放图像的函数。它的输入是image_batch，一个多维numpy数组，形状为：

(no. images, height, width, channel)

在我的具体情况下是：

(31, 300, 300, 3)

这是代码：

def random_zoom(batch, zoom=0.6):
    '''
    Performs random zoom of a batch of images.
    It starts by zero padding the images one by one, then randomly selects
     a subsample of the padded image of the same size of the original.
    The result is a random zoom
    '''

    # Import from TensorFlow 2.0
    from tensorflow.image import resize_with_pad, random_crop

    # save original image height and width
    height = batch.shape[1]
    width = batch.shape[2]

    # Iterate over every image in the batch
    for i in range(len(batch)):
        # zero pad the image, adding 25-percent to each side
        image_distortion = resize_with_pad(batch[i, :,:,:], int(height*(1+zoom)), int(width*(1+zoom)))

        # take a subset of the image randomly
        image_distortion = random_crop(image_distortion, size=[height, width, 3], seed = 1+i*2)

        # put the distorted image back in the batch
        batch[i, :,:,:] = image_distortion.numpy()

    return batch

然后我可以调用该函数：

new_batch = random_zoom(image_batch)

此时，奇怪的事情发生了：图像的new_batch 和我预期的一样，我很满意……但现在原来的输入对象image_batch 也发生了变化！我不想这样，我不明白为什么会这样。

Answer 1

嗯，batch[i, :,:,:] = image_distortion.numpy() 这一行修改了作为参数传递的数组。

您的困惑可能源于对另一种语言的熟悉，例如 C++，其中作为参数传递的对象被隐式复制。

在 Python 中，发生的事情就是您可能称之为通过引用传递的事情。除非您希望复制它们，否则不会制作副本。因此，并不是new_batch和image_batch都被修改了；它们是两个名称，指向已更改的相同对象。

因此，您可能希望在函数开始时执行batch = batch.copy() 之类的操作。