在PyTorch中，有了y = x + y，为什么还需要y += x，有什么好处呢？

在今天之前，我以为"y += x"相比于"y = x + y"的好处仅仅是写的更加紧凑，直到我看到《动手学习深度学习》后，才发现，原来还有节省内存的作用。

我们用一个例子来理解一下：

PyTorch中有一个函数id()，可以展现出内存中引用对象的确切地址。

我们先用下面的程序看一下"y = x + y"的运行前后，y所指向的内存位置变化：

打印的结果为：

可以看到执行"y = x + y"的前后，y所指向的内存位置是不一样的。

这是因为，先计算x + y，并将结果存储到了一个新的内存地址中，然后，让y指向这个新的内存地址。

接着，我们执行"y += x"：

打印的结果为：

可以看到执行"y = x + y"的前后，y所指向的内存位置是一样的。

Reference:

1.《动手学习深度学习》