深度学习常用语句for param in params问题:为什么修改param之后,params对应元素也随之改变?

python 复制代码
def sgd(params, lr, batch_size):  #@save
    """小批量随机梯度下降"""
    with torch.no_grad():
        for param in params:
            param -= lr * param.grad / batch_size
            param.grad.zero_()

sgd([w, b], lr, batch_size)

上述代码中,param遍历params的所有元素,并进行sgd梯度下降,但是其仅仅对param进行修改,为何params元素会随之改变?

于是我进行实验,发现无论是最简单的数组还是np.array(ndarray格式),都是只修改了param而不修改params,如下图所示:

于是询问copilot:

然而为何源码中的params会改变?继续询问:

继续:

由 你 发送:

为什么一个是副本,一个是引用,两者有什么区别,如何判断

由 Copilot 发送:

这是一个很好的问题!在 Python 中,变量是如何传递的取决于它们的类型和使用方式。让我们详细解释一下副本和引用的区别,以及如何判断它们:

副本

当你创建一个变量的副本时,你实际上是在内存中创建了一个新的对象,并将原始对象的值复制到这个新对象中。修改副本不会影响原始对象。

例如:

Python

复制代码
a = 10
b = a  # 创建副本
b += 5
print(a)  # 输出 10
print(b)  # 输出 15

.

在这个例子中,ab 是两个独立的变量,修改 b 不会影响 a

引用

当你创建一个变量的引用时,你实际上是在创建一个指向原始对象的指针。修改引用会直接影响原始对象。

例如:

Python

复制代码
a = [1, 2, 3]
b = a  # 创建引用
b.append(4)
print(a)  # 输出 [1, 2, 3, 4]
print(b)  # 输出 [1, 2, 3, 4]

在这个例子中,ab 指向同一个列表对象,修改 b 会直接影响 a

如何判断

判断一个变量是副本还是引用,主要取决于变量的类型和操作方式:

  1. 不可变对象(如整数、字符串、元组):赋值操作通常会创建副本。
  2. 可变对象(如列表、字典、集合):赋值操作通常会创建引用。

在你的代码中:

Python

复制代码
for param in params:
    param -= lr * param.grad / batch_size

paramparams 列表中的元素的引用,因此修改 param 会直接影响 params 列表中的元素。

于是可以肯定,数据类型不同,同样的语句,params会出现修改和不修改两种情况,见下图:

可见tensor类型是可以通过该语句直接修改params的值,而ndarray则不行。

相关推荐
astragin17 分钟前
神经网络常见层速查表
人工智能·深度学习·神经网络
嘀咕博客27 分钟前
文心快码Comate - 百度推出的AI编码助手
人工智能·百度·ai工具
cyyt36 分钟前
深度学习周报(9.8~9.14)
人工智能·深度学习
扯淡的闲人39 分钟前
多语言编码Agent解决方案(2)-后端服务实现
开发语言·python·深度学习
蒋星熠43 分钟前
深度学习实战指南:从神经网络基础到模型优化的完整攻略
人工智能·python·深度学习·神经网络·机器学习·卷积神经网络·transformer
星期天要睡觉1 小时前
计算机视觉(opencv)实战二十一——基于 SIFT 和 FLANN 的指纹图像匹配与认证
人工智能·opencv·计算机视觉
victory04311 小时前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
semantist@语校2 小时前
第二十篇|SAMU教育学院的教育数据剖析:制度阈值、能力矩阵与升学网络
大数据·数据库·人工智能·百度·语言模型·矩阵·prompt
IT_陈寒2 小时前
React 性能优化必杀技:这5个Hook组合让你的应用提速50%!
前端·人工智能·后端
剪一朵云爱着2 小时前
一文入门:机器学习
人工智能·机器学习