pytorch张量之运算符重载

看代码：
x = torch.rand(5,3)
y = torch.rand(5,3)
print(x+y)
print((x+y).dtype)
输出：
tensor([[1.1405, 1.7360, 1.2109],
[1.6040, 0.5144, 1.5145],
[0.5090, 1.0250, 0.7453],
[1.0609, 1.0263, 0.2167],
[1.0172, 1.1842, 1.0435]])
torch.float32
可看出tensor对象重载了加法运算符，相应的，减法，乘法，除法运算符也都重载了的，且返回一个tensor对象
我们再检验一下=是否被重载，看代码：
x = torch.rand(5,3)
y = torch.rand(5,3)
print(id(x+y))
c=x+y
print(id©)
d=torch.rand(5,3)
print(id(d))
d=c
print(id(d))
输出为：
2425932851744
2425932851744
2425932851816
2425932851744
可见=未被重载，跟python一样直接指向了新对象
再看代码：
x = torch.rand(5,3)
y = torch.rand(5,3)
print(id(x+y))
c=x+y
print(id©)
d=torch.rand(5,3)
print(id(d))
torch.add(x,y,out=d)
print(id(d))
结果为：
2457308736104
2457308736104
2457308736176
2457308736176
可见torch.add(x,y,out=d)会在原对象内存上更改内容，而非指向新对象
我们再看+=运算符
看代码：
a = torch.ones(5,2)
print(id(a))
a+=1
print(id(a))
输出：
2293292496936
2293292496936
可见+=也被重载了的，也是在原对象内存上修改内容
用a.add_(1)效果一样，但是用a=a+1，a会指向a+1生产的对象。因为=未被重载