Python PyTorch的OpenNMT问题：。复制函数未清除行为

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\u update

功能（文件中）。调用时：

sent\u states.data.copy_(
发送状态。数据。索引。选择（1，位置））

根据

.copy

功能的原理，它将

将元素从src复制到self张量并返回self

---

但是，“自张量”指的是什么？有人能给我解释一下这个函数的作用吗，或者给我指出源代码，因为我找不到它…

self张量就是你称之为copy的张量。 在您的示例中，它是

sent\u states.data

---

回答评论中提出的问题：为什么复制的行为不像分配

=

.copy（）

创建新内存位置的真实副本，而使用

=

赋值只存储对内存位置的引用

下面的代码显示了执行中的差异：

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

的位置是一样的，而tensor2被复制到了一个新的位置

我想是一样的，但是如果我用：

sent\u states.data=sent\u states.data.index\u select（1，positions）

来代替这个调用，网络的行为会有所不同。不同意味着什么？我在一个简单的最小示例上尝试了这一点，它像预期的那样工作。是的，很抱歉，我没有提供任何澄清。我想（如果我错了，请有人纠正我）beam_update函数必须更新beam状态，以确保翻译过程中的一致性。只有上面的修改，网络翻译是不同的（质量较低），我不明白为什么。有什么原因吗，为什么使用

。数据
，而不是包装张量
发送到美国
？所以你不能打电话给
sent\u states=sent\u states.index\u select（1，positions）
？@francescopanini我想我找到了答案并更新了答案