OpenNMT问题与PyTorch：.copy_函数不明确的行为

Question

我正在使用PyTorch版本的OpenNMT，并试图修改波束搜索算法。我目前被困在beam_update函数中(在OpenNMT-py/onmt/解码器/decder.py文件中)。当它被称为：

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

根据文档函数的pythorch函数，它将

将src中的元素复制到自张量中，并返回self。

但是，“自张量”是指什么？有人能向我解释一下这个函数是干什么的吗?或者指给我看源代码，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。

要回答评论中提出的问题:为什么复制不像用=赋值

.copy()创建一个新内存位置的真实副本，而使用=分配只存储对该内存位置的引用。

下面的代码显示了执行方面的差异：

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已复制到新位置。