一、什么是 Inplace 操作？
1.1 基本定义
在深度学习框架（如 PyTorch、TensorFlow）中，Inplace（原地）操作 是指直接修改输入张量的内存内容，而不分配新的内存空间来存储结果。这种操作“就地”完成，因此称为 in-place。
- 非 Inplace 示例（创建新张量）： y = x + 1 # x 不变，y 是新张量
- Inplace 示例（修改原张量）： x.add_(1) # 等价于 x += 1
x.relu_() # ReLU 原地激活
x.silu_() # SiLU 原地激活（PyTorch ≥ 1.8）
注：PyTorch 中以 _ 结尾的函数（如 add_, relu_）通常是 inplace 版本。
1.2 内存视角
假设张量 x 占用内存地址 0x1000：
- 非 Inplace：y = f(x) → 分配新地址 0x2000 存储 y
- <
