大佬教程收集整理的这篇文章主要介绍了Pytorch Tensor 存储在调用 storage() 方法时具有相同的 id，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我正在通过博客（以我的母语 - 越南语）学习张量存储，在对示例进行试验后，我发现了一些难以理解的内容。给定 3 个张量 x、zzz 和 x_t，如下所示：
import torch
x = torch.tensor([[3,1,2],[4,7]])
zzz = torch.tensor([1,2,3])
# Transpose of the tensor x
x_t = x.t()
当我将每个张量的存储设置为对应的变量时，那么它们的ID就不同了：
x_storage = x.storage()
x_t_storage = x_t.storage()
zzz_storage = zzz.storage()
print(ID(x_storagE),ID(x_t_storagE),ID(zzz_storagE))
print(x_storage.data_ptr())
print(x_t_storage.data_ptr())
输出：
140372837772176 140372837682304 140372837768560
94914110126336
94914110126336
但是当我在同一个 storage() 语句中对每个原始张量调用 print 方法时，无论我尝试了多少次，都会从所有张量中观察到相同的输出：
print(ID(x.storage()),ID(x_t.storage()),ID(zzz.storage()))
# 140372837967904 140372837967904 140372837967904
当我将它们分别打印在不同的行上时，情况变得更加奇怪；有时他们的结果不同，有时他们的结果相同：
print(ID(x.storage()))
print(ID(x_t.storage()))
# Output:
# 140372837771776
# 140372837709856
所以我的问题是，为什么在第一种情况下存储的 ID 之间存在差异，而在第二种情况下观察到相同的 ID？ （那个 ID 是从哪里来的？）。在第三种情况下发生了什么？
另外，我想询问方法 data_ptr()，因为在我在 Pytorch discuss 上看到的一个问题中建议使用它代替 ID，但 Pytorch 中的文档只是不再显示更多细节。如果有人能给我任何/所有问题的详细答案，我会很高兴。
在Pytorch 讨论区和Stack Overflow 上搜索后，我看到应该使用data_ptr() 方法来比较张量的位置（根据Python discuss in the question 和this link） （虽然不完全正确，请查看第一个 Python 讨论以获得更好的比较方法）
关于 id 部分，Stack Overflow 上有很多关于这个主题的问题。我在这里看到了一个 question，其中有很多答案可以解决上述问题的大部分内容。我对id和对象的内存分配也有一些误解，在my recent question
以上是大佬教程为你收集整理的Pytorch Tensor 存储在调用 storage() 方法时具有相同的 id全部内容，希望文章能够帮你解决Pytorch Tensor 存储在调用 storage() 方法时具有相同的 id所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。