【python语法】deepcopy()方法

示例

origin_model = deepcopy(model)

解释

简短回答（要点）：

• deepcopy 是 Python 标准库 copy 模块里的函数，文件开头通过 from copy import deepcopy 导入。
• 作用：对对象做“深拷贝”（递归拷贝），生成一个和原对象结构相同但占用独立内存的新对象；修改新对象不会影响原对象。

详细说明与建议：

• 来源：deepcopy 来自标准库模块 copy：

  from copy import deepcopy
  

  你在 main_tta.py 文件顶部已经看到了这一行导入。

• 行为（语义）：

  • 对复杂对象（如包含嵌套列表、字典、类实例等）进行完全复制，包括内部所有可拷贝的子对象；

  不同于浅拷贝（copy.copy），浅拷贝只复制顶层对象，内部引用仍指向原子对象。

  • 对 PyTorch 的 nn.Module（模型）使用 deepcopy(model) 会创建一个新的模型对象，并复制其参数张量（新对象含有新的 Parameter 实例）；因此你可以安全地修改 origin_model 而不影响 model。

• 在你代码里的用途：

  origin_model = deepcopy(model)
  

  目的是保存模型的原始一份（未经过测试时适配修改的状态），便于后续比较或恢复。

• 注意事项 / 取舍：

  • 性能与内存：deepcopy 会复制所有数据（包括权重张量），对大模型会占用较多内存并稍慢。
  • 设备（CPU/GPU）：如果模型参数位于 GPU，上述 deepcopy 会复制这些 CUDA 张量（通常也位于 GPU）；在某些环境下可能产生跨设备复制问题。常见做法是在 deepcopy 之前把模型移到 CPU，或更常用的是只保存 state_dict() 的拷贝（更轻量、通用）。
  • 推荐（更稳健的做法）：
    • 保存 state dict（只复制张量数据，而不是整个对象/方法）：

      origin_state = deepcopy(model.state_dict())   # 深拷贝参数字典
      # 或更明确地把参数移到 CPU 并 clone：
      origin_state = {k: v.cpu().clone() for k, v in model.state_dict().items()}
      

    • 恢复时使用：

      model.load_state_dict(origin_state)
      

    • 这样比 deepcopy 整个 Module 更节省内存，也更便于序列化/保存。

• 小结对比

  • origin_model = deepcopy(model)：直观、把模型对象连同结构和参数都复制一份；简单但可能更耗内存。
  • origin_state = deepcopy(model.state_dict()) 或 origin_state = {k: v.clone().cpu()...}：推荐用于保存权重快照，更经济且设备友好。