张量可以连接而不丢失torch（lua）中的引用吗？

修改z不会修改x。有没有办法将x和y连接起来，这样修改z就可以修改x？

您可以实现这种行为，但反过来就是这样。你应该从一个更大的张量开始，你的主要“存储”，然后你可以创建子传感器，它将共享内部状态

具体参见火炬的

：sub

方法（以下代码样本取自）

正如您所看到的，您有

y

变量，它实际上是

x

的一部分，并且更改它的值-也更改x。这是一种非常通用的方法，因此您可以共享张量的多个部分

因此，在你的情况下，它会像

x = torch.Tensor(5, 6):zero()
> x
 0 0 0 0 0 0
 0 0 0 0 0 0
 0 0 0 0 0 0
 0 0 0 0 0 0
 0 0 0 0 0 0
[torch.DoubleTensor of dimension 5x6]

y = x:sub(2,4):fill(1) -- y is sub-tensor of x:
> y                    -- dimension 1 starts at index 2, ends at index 4
 1  1  1  1  1  1
 1  1  1  1  1  1
 1  1  1  1  1  1
[torch.DoubleTensor of dimension 3x6]

> x                    -- x has been modified!
 0  0  0  0  0  0
 1  1  1  1  1  1
 1  1  1  1  1  1
 1  1  1  1  1  1
 0  0  0  0  0  0
[torch.DoubleTensor of dimension 5x6]

印刷品

z = torch.Tensor(4):zero()
x = z:sub(1, 2)
y = z:sub(3, 4)
x[1] = 2
y[2] = 8
print(z)

---

根据需要。

谢谢！不幸的是，我无法创建更大的“主”存储。所讨论的两个张量是两个神经网络模型的参数，因此它们的存储由模型创建。不过，我确实得到了存储的“控制”。所讨论的确切方法是，我想做的是“组合”模型的参数，以便我可以使用来自的统一优化方法。然后，您应该使用相同的包（nn）从您的组件构建实际模型。有很多基于容器的模块，允许您将多个网络组合成一个，然后在容器上调用getParams将所有内容重新分配到单个张量

z = torch.Tensor(4):zero()
x = z:sub(1, 2)
y = z:sub(3, 4)
x[1] = 2
y[2] = 8
print(z)

 2
 0
 0
 8
[torch.DoubleTensor of size 4]