torch.as_tensor()与torch.asarray()的区别及选型疑问

1. torch.asarray()是否仅为功能更丰富的版本？ #

是的，torch.asarray()可以看作是torch.as_tensor()的功能扩展版本。二者核心逻辑完全一致——优先返回与输入共享内存的张量，无法共享时自动返回副本；但asarray额外提供了两个实用参数：

• copy参数：可强制要求共享内存（失败则抛出异常）或强制复制内存
• requires_grad参数：直接指定张量是否需要计算梯度

2. 若仅需尽可能实现内存共享，应选择哪个函数？ #

两者的默认行为完全一致：都会优先尝试内存共享，无法实现时自动返回副本。因此仅需默认的“尽可能共享”逻辑时，选任意一个都可以。
如果需要更严格的共享控制（比如必须共享，失败则报错），可以用torch.asarray(data, copy=False)，这是torch.as_tensor()不支持的特性。

3. 二者性能是否存在差异？ #

在默认使用场景下，二者性能几乎没有差异，因为底层的内存映射、数据转换逻辑完全相同。
只有当使用asarray的额外参数时（比如强制检查共享、强制复制），会产生极细微的参数判断开销，但这种开销在绝大多数业务场景中可以忽略不计。

内容的提问来源于stack exchange，提问作者Denis Shafarenko