为何PyTorch Forward函数中开发者偏好复用变量x？

在PyTorch模型的forward函数中，常见的写法是复用变量x：

def forward(self, x):
    x = self.conv1(x)
    x = F.relu(F.max_pool2d(x, kernel_size = 2))
    x = self.drop1(x)
    return x

但创建新变量的写法也能正常运行：

def forward(self, x):
    a = self.conv1(x)
    b = F.relu(F.max_pool2d(a, kernel_size = 2))
    c = self.drop1(b)
    return c

想知道为什么复用变量x的版本更受青睐？

核心原因如下： #

• 内存利用更高效：复用变量时，前一步生成的张量会被新张量覆盖，旧张量能更快被垃圾回收机制处理，减少冗余内存占用。在训练大模型或处理大批次数据时，这种内存节省的效果会更突出。
• 代码可读性更强：用同一个变量名能直观体现数据的流水线式变换逻辑，不用额外记忆a、b、c这类无意义的变量名，读代码时能一眼理清数据的流转路径。
• 符合行业通用习惯：PyTorch官方示例和绝大多数开源项目都采用这种写法，新手入门接触的也是这类代码，久而久之形成了统一的开发风格，方便团队协作和后续维护。

注：两种写法功能完全等价，创建新变量的方式在需要调试查看中间张量值时反而更方便，只是日常开发中复用变量的写法更贴合常规实践。

内容的提问来源于stack exchange，提问作者user3735204