在看代码的时候看到了contiguous的用法，特在此总结。
我的理解上这个的作用有点像deepcopy，如果有理解不对的地方，欢迎指出。
未使用contiguous.png
从图中我们可以看到对矩阵m进行转置之后，其实d指向的还是m。当我们修改了d中的数据之后，m中的数据也随之变化了，这其实和我们的本意是相违背的。
按照之前找的资料里面说d里面数据布局的方式和从头开始创建一个常规的tensor布局的方式是不一样的。听起来有些拗口。
我的理解就是这个可能只是python中之前常用的浅拷贝，d还是指向m变量所处的位置，只是说记录了transpose这个变化的布局。
在这里，如果想要拜托这两个变量之间的依赖（m本身是contiguous的），就要使用contiguous针对m进行变化，感觉上就是我们认为的深拷贝。
使用了contiguous.png
从上图 ，我们可以看到我们对d进行改变之后，和m没有关系了。（也就是我们理解的经过深拷贝了，和原来无关了）
在这里，要提醒大家一个我踩了的坑。一开始我被contiguous的字面意思“连续的”所误导了，以为在内存中不是存在一块连续的地址，其实tensor中的数据还是存在内存中的一块区域里，只是布局问题。、
所以当调用contiguous后，就会创建一个独立的布局和原来的那个变量独立开来。
在我们写代码的时候其实不用太担心，如果在需要调用contiguous的地方没有调用contiguous，系统会报错，到时候加上就好了。
参考资料：https://blog.csdn.net/gdymind/article/details/82662502