pytorch变量间的内存共享
我们在使用pytorch时，经常会用一个变量对另外一个变量赋值，但是某些操作得到的结果只是原变量的引用，内存是共享的，修改一个变量，其他变量的值也会受影响。有些操作是拷贝的操作。
使用 b=a[:,:5,5] b=a[0] b=a[…,0] 等操作得到的a是b的一个引用，内存是共享的，当b的值被某些操作修改后，a的值也会改变，c=b.unsqueeze(0).expand(10,4) , Tensor.expand_as（）操作得到的c与b的内存是共享的，expand增加的维度占用是同一块内存，当c的值被修改后，b的值也会被改变，a的值也会改变。
c=b.unsqueeze(0).repeat(10,1)，repeat操作得到的c是b的拷贝，修改c的值后b的值不会被影响。
如下图所示：
使用mask选择出来的值是原矩阵的拷贝，比如：data=abc[abc>10] 修改data的值不会影响abc的值。