为何PyTorch张量在函数外可通过.data更新，却无法用+=操作？

这本质是Python命名空间规则和PyTorch张量特性共同作用的结果，具体拆解如下：

1. x.data += ...能正常运行的原因 #

x.data是对全局变量x（张量对象）的属性访问，函数内部只是读取了全局作用域的x，然后对它的data属性执行原地修改——整个过程没有对x本身做赋值操作，Python会自动从全局命名空间查找x，因此不会触发局部变量的判定逻辑，自然能成功修改张量的底层数据。

代码示例：

x = torch.zeros(5)
def my_function():
    x.data += torch.ones(5)
my_function()
print(x)       # tensor([1., 1., 1., 1., 1.])

2. x += ...报错的原因 #

Python里的+=属于增强赋值操作，对于PyTorch张量来说，它等价于x = x + torch.ones(5)——这本质是对变量x进行了赋值。当函数内部出现对变量的赋值行为时，Python会默认把该变量当作局部变量，但赋值语句右边的x在局部作用域里还未定义，因此会抛出UnboundLocalError。

错误代码示例：

x = torch.zeros(5)
def my_function():
    x += torch.ones(5)   # UnboundLocalError: local variable 'x' referenced before assignment
my_function()

解决x += ...报错的方法 #

如果想用+=更新全局张量，只需在函数内部用global声明x是全局变量，告诉Python不要将其视为局部变量：

x = torch.zeros(5)
def my_function():
    global x
    x += torch.ones(5)
my_function()
print(x)       # tensor([1., 1., 1., 1., 1.])

内容的提问来源于stack exchange，提问作者jstm