PyTorch 的 OpenNMT 问题：.copy_ 功能不清楚行为

Question

我正在使用 PyTorch 版本的 OpenNMT，并且正在尝试修改 Beam Search 算法。我目前被困在beam_update 函数中（在OpenNMT-py/onmt/decoders/decoder.py 文件中）。调用时：

sent_states.data.copy_( sent_states.data.index_select(1, positions))

根据.copy_函数的pythorch documentation，它将

将 src 中的元素复制到 self 张量中并返回 self。

但是，“self tensor”指的是什么？有人可以向我解释一下这个函数的作用或指向源代码，因为我找不到它......

Answer 1

self 张量是你调用 copy_ 的张量。 在您的示例中，它是sent_states.data。

---

回答 cmets 中提出的问题：为什么 copy 的行为不像使用 = 分配一样

.copy() 创建一个真正的副本到一个新的内存位置，而用= 分配只存储对内存位置的引用。

下面的代码展示了执行上的区别：

import torch

torch.manual_seed(3515)
tensor1 = torch.rand(2, 3)
tensor2 = torch.rand(2, 2)
tensor3 = torch.rand(2, 3)
positions = torch.tensor([2, 0])

tensor2.data.copy_(tensor1.data.index_select(1, positions))
tensor3.data = tensor1.data.index_select(1, positions)
print(tensor2)
print(tensor3)
print(id(tensor1.data[0]))
print(id(tensor2.data[0]))
print(id(tensor3.data[0]))

输出：

tensor([[ 0.5939,  0.8861],
        [ 0.7525,  0.1537]])
tensor([[ 0.5939,  0.8861],
        [ 0.7525,  0.1537]])
4583187080
4583187008
4583187080

tensor1和tensor3的位置相同，而tensor2已经复制到新位置