用模型预测值替换张量像素值后，torch.equal返回True问题排查

核心问题：张量浅拷贝导致引用指向同一对象 #

你执行pa = patches时，并没有创建新的张量副本，只是让变量pa和patches指向内存中同一个张量实例。因此，后续对pa的修改本质上就是直接修改原张量patches的内容。这时候用torch.equal(pa, patches)对比，结果必然是True——因为它们本来就是同一个对象。

验证替换成功的正确方式 #

方式1：创建原张量的独立副本后修改

通过clone()方法创建原张量的深拷贝，这样副本和原张量是完全独立的对象，修改副本后对比两者就能验证替换效果：

# 创建原张量的深拷贝
pa = patches.clone()
# 执行替换操作
batch_range = torch.arange(batch, device=device)[:, None]
pa[batch_range, masked_indices, :] = pred_pixel_values
# 此时对比pa和原patches，若替换有效则返回False
print(torch.equal(pa, patches))

方式2：直接修改原张量，验证目标位置的数值匹配

如果不需要保留原张量，可以直接修改它，然后针对性验证被mask位置的数值是否与预测值一致：

# 直接修改原张量
batch_range = torch.arange(batch, device=device)[:, None]
patches[batch_range, masked_indices, :] = pred_pixel_values
# 验证目标位置的数值是否与预测值匹配（用allclose处理浮点精度问题）
print(torch.allclose(patches[batch_range, masked_indices, :], pred_pixel_values))

内容的提问来源于stack exchange，提问作者S.EB