pytorch中contigous深入理解

最新推荐文章于 2023-07-29 16:28:30 发布

不知道叫啥好一点

最新推荐文章于 2023-07-29 16:28:30 发布

阅读量440

点赞数 1

分类专栏： pytorch入坑指南文章标签： pytorch contigous

本文链接：https://blog.csdn.net/A_A666/article/details/108746010

版权

pytorch入坑指南专栏收录该内容

14 篇文章 6 订阅

订阅专栏

参考：
https://zhuanlan.zhihu.com/p/64551412
https://stackoverflow.com/questions/26998223/what-is-the-difference-between-contiguous-and-non-contiguous-arrays/26999092#26999092

总结：

tensor经过permute以及transform之后，对应数据的存储并没有发生改变，改变的是数据读出的方式，而view函数是从内存中(python 中多维数组是按行存储的)读取出来数据，然而此时经过permute之后的数据由于本身的stride和size不满足contigous（连续关系），因此当需要使用view时，可以重新开辟一段内存空间，这里使用contigous的话，能够开辟一段新的内存空间，此时再使用view就没有什么问题了。

实验部分：

import torch
a = torch.tensor([[1,2,3],[4,5,6]])
a.data_ptr()
94632533370368
a.permute(1,0).contiguous().view(-1)
tensor([1, 4, 2, 5, 3, 6])
a.view(-1)
tensor([1, 2, 3, 4, 5, 6])
b = a.permute(1,0).contiguous()
c = a.permute(1,0)
c.data_ptr()
94632533370368
b.data_ptr()
94632533452096