torch.tensor.view(*args)
view(*args) → Tensor
返回一个有相同数据但大小不同的tensor。 返回的tensor必须有与原tensor相同的数据和相同数目的元素，但可以有不同的大小。一个tensor必须是连续的contiguous()才能被查看。
import torch
x = torch.randn(4, 5)
print('tensor原型:',x)
print('tensor维度变换，由（4,5）到（20,1）:',x.view(20, 1))
#由（4,5）到（-1,1）的tensor维度变换，其中-1是tensor在1下的另一个维度的大小，即为20/1=20，也就是说在这里-1=20
print('tensor维度变换，由（4,5）到（-1,1）:',x.view(-1, 1))
print('tensor维度变换，由（4,5）到（1,20）:',x.view(1, 20))
#由（4,5）到（1, -1）的tensor维度变换，其中-1是tensor在1下的另一个维度的大小，即为20/1=20，也就是说在这里-1=20
print('tensor维度变换，由（4,5）到（1,-1）:',x.view(1, -1))
代码运行结果：
tensor原型: tensor([[ 0.2278, -0.6850, 0.6527, -0.3206, -2.5704],
[ 0.8447, 0.2473, -0.5029, 0.6311, -0.4551],
[ 0.8049, -0.3084, 0.5642, 0.2411, 0.5785],
[-0.6099, -0.8746, -0.9222, 2.0989, 1.5902]])
tensor维度变换，由（4,5）到（20,1）: tensor([[ 0.2278],
[-0.6850],
[ 0.6527],
[-0.3206],
[-2.5704],
[ 0.8447],
[ 0.2473],
[-0.5029],
[ 0.6311],
[-0.4551],
[ 0.8049],
[-0.3084],
[ 0.5642],
[ 0.2411],
[ 0.5785],
[-0.6099],
[-0.8746],
[-0.9222],
[ 2.0989],
[ 1.5902]])
tensor维度变换，由（4,5）到（-1,1）: tensor([[ 0.2278],
[-0.6850],
[ 0.6527],
[-0.3206],
[-2.5704],
[ 0.8447],
[ 0.2473],
[-0.5029],
[ 0.6311],
[-0.4551],
[ 0.8049],
[-0.3084],
[ 0.5642],
[ 0.2411],
[ 0.5785],
[-0.6099],
[-0.8746],
[-0.9222],
[ 2.0989],
[ 1.5902]])
tensor维度变换，由（4,5）到（1,20）: tensor([[ 0.2278, -0.6850, 0.6527, -0.3206, -2.5704, 0.8447, 0.2473, -0.5029,
0.6311, -0.4551, 0.8049, -0.3084, 0.5642, 0.2411, 0.5785, -0.6099,
-0.8746, -0.9222, 2.0989, 1.5902]])
tensor维度变换，由（4,5）到（1,-1）: tensor([[ 0.2278, -0.6850, 0.6527, -0.3206, -2.5704, 0.8447, 0.2473, -0.5029,
0.6311, -0.4551, 0.8049, -0.3084, 0.5642, 0.2411, 0.5785, -0.6099,
-0.8746, -0.9222, 2.0989, 1.5902]])