PyTorch中，view, reshape, 或者 permute 的区别和联系

在 PyTorch 中，view、reshape 和 permute 都是用于改变张量形状的方法，但它们的工作方式和使用场景略有不同。以下是它们的区别和联系：

1. view

• 功能：view 函数用于改变张量的形状，返回的是一个新张量，它与原始张量共享数据内存（相当于浅拷贝）。
• 要求：view 只能在张量是连续的（contiguous）的情况下使用。如果张量在内存中不是连续存储的（例如经过 transpose 或 permute 操作），你需要先调用 .contiguous() 方法。
• 使用场景：适用于需要重新安排张量形状时使用，通常用于深度学习模型中的数据变换，如展平或调整维度顺序。

2. reshape

• 功能：reshape 也是用于改变张量的形状。与 view 类似，返回的张量与原始张量共享数据内存。但与 view 不同的是，reshape 可以处理不连续的张量（会自动尝试使张量变成连续的）。
• 要求：不强制要求张量是连续的，它会在内部处理非连续的情况，使得使用更加灵活。
• 使用场景：适合于与 view 相似的场景，但更灵活，可以处理非连续的张量。

3. permute

• 功能：permute 用于对张量的维度进行重新排列，而不改变张量的数据。在内存中是对维度的索引重新排序，因此与 view 和 reshape 的操作本质不同。
• 要求：permute 直接对维度顺序进行调整，不改变维度的大小，只改变维度的位置。
• 使用场景：适合需要调整维度顺序的场合，比如将 (batch, channels, height, width) 变为 (batch, height, width, channels)，在处理图像和多维张量时常用。

总结

简单来说，view和reshape都是用来改变张量的形状的，view更快但要求连续存储，而reshape慢一点不要求连续，灵活度高；而permute是用来调整tensor的维度的顺序的，不改变形状大小。