我们在接触学习PyTorch，会涉及到Tensor数据类型与numpy数据之间的转换效率之高，在这里是因为他们的数据内存是共享的。但是在实际操作时会发现numpy转Tensor时数据不是一同更新；
from __future__ import print_function
import numpy as np
import torch as t
‘‘‘
在实现numpy与Tensor数据互相操作时，数据是共享内存的；
但是我们在复制操作时，数据内存不是共享光的；
‘‘‘
a = np.zeros((2,2)).astype(‘int64‘)
b = t.Tensor(a) # 此时是复制的操作，不共享数据；
c = t.from_numpy(a)
print(‘-------a矩阵：——------‘)
print(a)
print(‘-------b矩阵：——------‘)
print(b)
print(‘-------c矩阵：——------‘)
print(c)
a[1]=1
print(‘修改后：‘)
print(‘-------a矩阵：——------‘)
print(a)
print(‘-------b矩阵：——------‘)
print(b)
print(‘-------c矩阵：——------‘)
print(c)
此时我们可以看出数据b矩阵不变化，而c矩阵随着a矩阵的更新而更新：
PyTorch中Tensor与numpy数据之间时共享的条件：
原文：https://www.cnblogs.com/Zhao159461/p/12740000.html