pytorch中contiguous()

pytorch中contiguous()

调用view之前最好先contiguous
x.contiguous().view() 
 

因为view需要tensor的内存是整块的 

contiguous：view只能用在contiguous的variable上。如果在view之前用了transpose, permute等，需要用contiguous()来返回一个contiguous copy。 
一种可能的解释是： 
有些tensor并不是占用一整块内存，而是由不同的数据块组成，而tensor的view()操作依赖于内存是整块的，这时只需要执行contiguous()这个函数，把tensor变成在内存中连续分布的形式。 
判断是否contiguous用torch.Tensor.is_contiguous()函数。

import torch
x = torch.ones(10, 10)
x.is_contiguous()  # True
x.transpose(0, 1).is_contiguous()  # False
x.transpose(0, 1).contiguous().is_contiguous()  # True

在pytorch的最新版本0.4版本中，增加了torch.reshape(), 这与 numpy.reshape 的功能类似。它大致相当于 tensor.contiguous().view()

https://blog.csdn.net/u011394059/article/details/78664694 
https://blog.csdn.net/guotong1988/article/details/78730078 
https://blog.csdn.net/u011276025/article/details/73826562 
中的Bug3