如何创建 PyTorch 可变张量？

如何解决如何创建 PyTorch 可变张量？

我正在尝试创建一个张量的副本，如果原始更改，则该副本将更改。

r = torch.tensor(1.0,requires_grad=True)
p = r.clone()
print('before')
print(r)
print(p)
r = r*5
print('after')
print(r)
print(p)

>>>
before
tensor(1.,requires_grad=True)
tensor(1.)
after
tensor(5.,grad_fn=<MulBackward0>)
tensor(1.)

我尝试使用 clone()、detach()，甚至只是简单的 p=r，但没有任何效果。

更新。
试过view：

r = torch.tensor(1.0,requires_grad=True)
p = r.view(1)
print('before')
print(r)
print(p)
r = r*5
print('after')
print(r)
print(p)

>>>before
tensor(1.,requires_grad=True)
tensor([1.],grad_fn=<ViewBackward>)
after
tensor(5.,grad_fn=<MulBackward0>)
tensor([1.],grad_fn=<ViewBackward>)

解决方法

你要找的是一个视图（它是张量的浅拷贝），numpy也遵循这个，下面包含你想要的

test = torch.tensor([100])
test_copy = test.view(1)

print(test,test_copy) # tensor([100]) tensor([100])
test[0] = 200
test,test_copy # (tensor([200]),tensor([200]))

编辑：进行了一些更改并发现了问题

r = torch.tensor(1.0,requires_grad=True) # Remove requires_grad if you really dont need it
p = r.view(1)
print('before')
print(r)
print(p)
with torch.no_grad(): # Had to use this if not wont be able to do math ops cause gradients are being tracked
  # Problem here was that you redeclared a new variable of r so you wiped out the previous reference to the tensor
  r.mul_(5) # Simple calculations
print('after')
print(r)
print(p)