Pytorch 一旦使用了张量，我们能改变它的内容吗？

我想知道，在将张量发送到pytorch中的损失函数后，是否允许我们更改张量的内容。例如：

x = torch.zeros(1000)
y = torch.zeros(1000)
output = net(x)

loss = criterion(oytput, y)
loss.backward()
optimizer.step()

y[0] = 990
output[0] = 1000

完成此操作后，是否可以更改

y

和

output

的内容而不产生不良影响？例如：

x = torch.zeros(1000)
y = torch.zeros(1000)
output = net(x)

loss = criterion(oytput, y)
loss.backward()
optimizer.step()

y[0] = 990
output[0] = 1000

在我做了一个小批量之后，但是继续用更多的小批量喂养它，这会导致问题吗

---

我不太确定，因为可能节点仍然由计算图在内部引用

我认为这里不会有副作用。调用backward（）后，图形实际上不存在。如果更改张量的内容，它将影响新图形，但不会影响以前的结果。此外，输出将被语句

output=net（x）

覆盖。那么，设置

output[0]=1000

有什么意义呢？我在想，也许

pytorch

在内部保存了一些变量的引用，无意中更改它们会导致意外的影响。请注意，

backward

确实有

retain\u graph

和

create\u graph

选项，启用这些选项后，更改变量可能会产生影响。