在使用PyTorch时，我在对两个变量进行操作时遇到了问题：

sub_patch  : [torch.FloatTensor of size 9x9x32]pred_patch : [torch.FloatTensor of size 5x5x32]

sub_patch 是通过torch.zeros创建的变量，pred_patch 是一个变量，我使用嵌套的for循环对其25个节点进行索引，并将其与相应的唯一滤波器（sub_filt_patch）相乘，sub_filt_patch的尺寸为[5,5,32]。结果被添加到sub_patch的相应位置上。

这是我代码的一部分：

for i in range(filter_sz):    for j in range(filter_sz):        # 从滤波器张量中索引正确的滤波器        sub_filt_col = (patch_col + j) * filter_sz        sub_filt_row = (patch_row + i) * filter_sz        sub_filt_patch = sub_filt[sub_filt_row:(sub_filt_row + filter_sz), sub_filt_col:(sub_filt_col+filter_sz), :]        # 乘以滤波器和pred_patch并累加到sub_patch上        sub_patch[i:(i + filter_sz), j:(j + filter_sz), :] += (sub_filt_patch * pred_patch[i,j]).sum(dim=3)

我从代码的最后一行得到了如下错误：

RuntimeError: in-place operations can be only used on variables that don't share storage with any other variables, but detected that there are 2 objects sharing it

我明白为什么会发生这种情况，因为sub_patch和pred_patch都是变量，但如何绕过这个错误呢？任何帮助都将不胜感激！

谢谢你！

回答：

我发现问题出在

        sub_patch[i:(i + filter_sz), j:(j + filter_sz), :] += (sub_filt_patch * pred_patch[i,j]).sum(dim=3)

当我将这一行分开成如下形式时：

sub_patch[i:(i + filter_sz), j:(j + filter_sz), :] = sub_patch[i:(i + filter_sz), j:(j + filter_sz), :] + (sub_filt_patch * pred_patch[i,j]).sum(dim=3)

然后它就工作了！

a += b 和 a = a + b 之间的区别在于，在第一种情况下，b 是就地添加到 a 上的（因此 a 的内容被更改为现在包含 a+b）。在第二种情况下，会创建一个新的包含 a+b 的张量，然后将这个新张量赋值给名称 a。为了能够计算梯度，有时需要保留 a 的原始值，因此我们阻止就地操作，因为否则我们将无法计算梯度。