tensor.contiguous()

  之前看一些大佬的代码，在对一些feature map进行维度转换处理的时候，在使用tensor.transpose() 等一些维度变换函数后，会先使用 tensor.contiguous() 然后再用tensor.view() 这种维度变形函数。

  pytorch官方给的函数解释为：
  Returns a contiguous in memory tensor containing the same data as self tensor. If self tensor is already in the specified memory format, this function returns the self tensor.（返回包含与自张量相同数据的连续内存张量。 如果自张量已经在指定的内存格式中，则此函数返回自张量。）

  再参考一篇博客（链接）的说法：（两种解释）

1. 当一个Tensor经过 tensor.transpose()、tensor.permute()等这类维度变换函数后，内存并不是连续的，而tensor.view()维度变形函数的要求是需要Tensor的内存连续，所以在运行tensor.view()之前，先使用 tensor.contiguous()，防止报错。

2. 维度变换函数是进行的浅拷贝操作（只复制了指像某个对象的指针，新旧对象还是共享同一块内存）即view操作会连带原来的变量一同变形，这是不合法的，所以也会报错；---- 这个解释有部分道理，也即contiguous返回了tensor的深拷贝contiguous copy数据；

  不过当在这类操作中忘记调用tensor.contiguous()而报错的话，pytorch也会进行提示：

RuntimeError: input is not contiguous