ND4J INDArray切片是通过java - Get an arbitrary slice of a Nd4j array - Stack Overflow中回答的一种重载get()方法实现的。由于INDArray占用了连续的本机内存块，因此使用get()进行切片会生成原始内存的副本（尤其是行切片，在其中可以使用以下方法创建新的INDArray）：相同的后备内存）？
我找到了另一种INDArray方法subArray()。这有什么区别吗？
之所以这样问，是因为我试图创建一个DatasetIterator来直接从INDArray中提取数据，并且我想消除可能的开销。源代码中的抽象太多，我自己找不到实现。
在python - Numpy: views vs copy by slicing - Stack Overflow中提出了有关NumPy的类似问题，而答案可以在Indexing — NumPy v1.16 Manual中找到：
这里的经验法则可以是：在左值索引的上下文中（即，索引位于分配的左侧值中），不会创建数组的视图或副本（因为不需要）。但是，对于常规值，上述创建视图的规则确实适用。
答案 0 :(得分：1)
简短的答案是：不，它在可能的情况下使用引用。要进行复制，可以调用.dup()函数。
引用https://deeplearning4j.org/docs/latest/nd4j-overview
视图：当两个或多个NDArray引用同一数据时
ND4J中的一个关键概念是两个NDArray实际上可以指向相同的事实 内存中的基础数据。通常，我们有一个NDArray指向 另一个数组的某些子集，仅在某些情况下会发生 操作（例如INDArray.get（），INDArray.transpose（）， INDArray.getRow（）等。这是一个功能强大的概念， 值得理解。
有两个主要动机：
具有显着的性能优势，尤其是避免 复制阵列我们在执行性能方面获得了很多能力 我们的NDArrays上的操作考虑一个像矩阵这样的简单操作 转置在大（10,000 x 10,000）的矩阵上。使用视图，我们可以 在恒定时间内执行此矩阵转置而无需执行任何操作 复制（即O（1）为大O表示法），从而避免了可观的成本 复制所有数组元素。 当然，有时候我们确实想 进行复制-此时，我们可以使用INDArray.dup（）获得一个 复制。例如，要获取转置矩阵的副本，请使用INDArray out = myMatrix.transpose（）。dup（）。在此dup（）调用之后，将有 原始数组myMatrix和数组out之间没有链接（因此， 更改一个不会影响另一个）。