Python 使用列表选择器就地添加

我正面临pythorch某种程度上不一致的行为，根据weither的说法，索引是一个列表或整数。请看这段代码：

# First example, integer selector ==> Ok
t = torch.tensor([[0, 1], [1, 0]])
t[0, 0].add_(10)
print(t)
tensor([[10,  1],
        [ 1,  0]])

# Second example, list selector ==> ???
t = torch.tensor([[0, 1], [1, 0]])
t[[0], [0]].add_(10) # notice the list selector
print(t)
tensor([[0, 1],
        [1, 0]])

#Third example, list selector with inplace add operator ==> Ok
t = torch.tensor([[0, 1], [1, 0]])
t[[0], [0]] += 10
print(t)
tensor([[10,  1],
        [ 1,  0]])

---

我不明白为什么在第二个示例中，

pytorch

无法更新

t

查看两个索引之间的差异：

In []: t[0, 0].shape

当您直接为

t

的

（0，0）

第个元素编制索引时，您有一个对该条目的引用，您可以将

添加到该条目中。
t[0,0]
的形状是
[]
-也就是说，您得到了一个标量返回-
（0,0）
条目的内容。

但是，当您使用列表索引
（[0]，[0]）
时，返回的是一维张量，形状是
[1]
。也就是说，你得到了一个
t
的次张量的副本。然后在
中添加子张量的副本，对原始
t
没有影响：

[]中的
：r=t[[0]，[0]]。添加（10）
In[]：t
出[]：
张量（[[0,1]，
[1, 0]])
In[]：r
Out[]：张量（[10]）

也许你想调查一下以完成你的任务

更新
当您使用列表索引分配给
t
时，您并没有创建副本（这毫无意义。因此

t[[0]，[0]+=10

转化为

t[[0]，[0]]=t[[0]，[0]]+10

也就是说，在右边我们有一个
（0,0）
次张量
t
的副本，我们在这个次张量上加上10，得到一个形状
[1]
的值
[10]
的张量。在左边我们把这个
[10]
分配给
（0,0）
次张量
t
（不要复制它-这毫无意义）。

因此，
t[[0]，[0]+=10的输出为

张量（[[10,1]，
[ 1,  0]])
这是因为奇特的索引（即使用列表索引）返回一个副本，而直接索引返回一个原始张量的视图。检查这种情况的一个简单方法是比较底层张量

注意
a[0]
是一个单独的元素，但它的存储仍然是完整的数组，因为它只是原始张量的一个视图。
为了澄清，我想这里返回的张量的形状是不相关的，零维张量也可以是视图或副本。重点是列表索引返回一个副本，并且在问题中对该副本调用了
add
。如果不是因为第三个例子（见编辑的问题），我可以接受你的答案。如果t[[0]，[0]]只是
t
的一个副本，那怎么可能呢？谢谢你的回答@ShaiI可以接受你的答案，如果不是因为第三个例子（见编辑的问题）。如果
t[[0]，[0]]，那怎么可能呢
只是t的副本吗？
Out[]: torch.Size([])

In []: t[[0], [0]].shape

Out[]: torch.Size([1])

In [16]: a = torch.arange(3)

In [17]: a.storage()
Out[17]:
 0
 1
 2
[torch.LongStorage of size 3]

In [18]: a[0].storage()
Out[18]:
 0
 1
 2
[torch.LongStorage of size 3]

In [19]: a[[0]].storage()
Out[19]:
 0
[torch.LongStorage of size 1]