能否在PyTorch张量中通过引用方式删除元素？

核心结论 #

不行。PyTorch张量底层是连续内存块的数组实现，而非链表结构。数组要求元素在内存中连续存储，删除中间位置元素时，后续元素必须前移填补空缺，这必然需要重新分配内存或复制数据，无法让新张量与原张量共享同一内存地址。

你试过的方法为何都会创建副本 #

• 方法1：torch.cat((data[:i], data[i+1:]))
  切片data[:i]和data[i+1:]本身是原张量的视图（共享内存），但torch.cat需要将这两个不连续的内存块拼接成新的连续内存块，因此必须复制数据生成新张量。
• 方法2：data[torch.LongTensor(indices_to_keep)]
  这种属于高级索引（非连续索引），PyTorch中高级索引不会返回视图，而是直接创建新张量并复制对应数据，所以内存地址必然不同。

唯一例外：删除最后一个元素 #

如果只是删除张量的最后一个元素，可以用连续切片data[:-1]，此时返回的是原张量的视图，与原张量共享内存地址：

import torch
data = torch.tensor([1, 2, 3, 4])
new_data = data[:-1]
print(new_data.data_ptr() == data.data_ptr())  # 输出 True

内容的提问来源于stack exchange，提问作者Jordan