所有权

PyTorch 的张量是 Python 对象，名字只是引用：c = a + b 之后 a 照常可用，b = a 让两个名字指向同一块内存，a.add_(1) 改的东西两个名字都看得见。burn 的 Tensor 是一个 Rust 值，大多数方法签名是 fn op(self, ...) -> Self。这一部分只讲由此带来的两处变化，Rust 所有权本身不展开。

1. 运算消费张量：a + b 之后 a 已被移走，rustc 报 E0382；复用要 clone()，而 clone() 只加引用计数，64 MiB 的张量 clone 一次不分配数据缓冲，PyTorch 的 clone() 则多占 64 MiB。模块里 forward(&self) 用字段要 clone()，Param::val() 就是这么做的。
2. 原地操作：PyTorch 的 add_ 改了 autograd 存下的张量，backward 时报版本计数错误；burn 没有公开的原地 API，x = x + 1 在缓冲只有自己持有时由后端原地写，autograd 存着它时就另开一块，梯度不受影响。

flowchart TB
  op["x 按值进入运算"] --> uniq{"缓冲只有一个持有者"}
  uniq -->|是| inplace["后端原地写 不分配"]
  uniq -->|否| fresh["另开缓冲写结果"]
  clone["clone 或 autodiff 存下"] -.->|计数加一| uniq

两页都以 Flex 设备为准。原地写在 burn 内部是怎么判断的，见 burn 卷 Tensor 与 Kind 的「按值消耗 self，clone 只加引用计数」。