为什么要使用contiguous()

最新推荐文章于 2024-03-29 15:47:09 发布
最新推荐文章于 2024-03-29 15:47:09 发布
阅读量1k 收藏 2
点赞数
分类专栏： Pytorch 文章标签： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42069606/article/details/106232340
版权

有一些对Tensor的操作不会真正改变Tensor的内容（真实维度），不会开辟新内存空间来存放处理之后的数据，新数据与原始数据共享同一块内存，改变的仅仅是Tensor中字节位置的索引。
这些操作如下：

narrow(), view(), expand(), transpose()

因此在进行这些操作之前，需要使用contiguous()确保将数据划分到整块内存。
参考资料[2]说明很详细，非常推荐看一下。
参考：
[1] 理解PyTorch的contiguous() [CSDN]
[2] pytorch中的 contiguous 是如何设计的? [知乎]

v-space
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch之contiguous的用法
09-18
# 使用contiguous()转换为连续张量 z = y.contiguous() # 检查转换后的张量是否连续 print(z.is_contiguous()) # 输出：True ``` 在PyTorch 0.4及更高版本中，引入了`reshape()`函数，它与NumPy中的`reshape()`...
pytorch-contiguous() 函数.pdf
02-17
pytorch pytorch_contiguous() 函数
为什么要使用contiguous
zhaoyan123477的博客
03-31 165
Contiguous 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.Ten
PyTorch中，.contiguous()的作用
行子的博客
07-10 1740
并将张量的数据按照连续的方式进行存储。这样可以确保张量在内存中的布局是连续的，从而。当对张量进行某些操作后，其内存布局可能会变得不连续，即不满足。方法只会在需要时进行实际的内存重分配操作，而不会复制数据。方法来重新调整张量的内存布局，使其连续存储。进行处理，可以得到一个连续的张量。方法的作用是返回一个连续的张量，即。的调用并不会导致额外的内存开销。在这种情况下，可以使用。是一个连续的张量，而通过对。下面是一个示例，演示了。在PyTorch中，
pytorch | contiguous() 函数
最新发布
Ddddddd_158的博客
03-29 1420
pytorch | contiguous() 函数
为什么要用contiguous()
ccbrid的博客
03-20 9372
【error】input is not contiguous at....调用view之前最好先contiguousx.contiguous().view()因为view需要tensor的内存是整块的
Pytorch中continuous()的作用
weixin_41168869的博客
06-25 850
是用于检查张量是否是按照内存中的连续顺序存储的函数。如果张量是按照内存中的连续顺序存储的，则返回原始张量；否则将会创建一个新的连续张量，并将数据复制到该张量中。不是按照内存中的连续顺序存储的，而 PyTorch 许多操作都要求输入张量是按照内存中的连续顺序存储的。可以确保张量是按照内存中的连续顺序存储的，并且可以与其他 PyTorch 函数一起使用。已经按照内存中的连续顺序存储了，并且可以进行各种操作。的维度 1 和 2 已经被交换了。的维度 1 和 2，然后将结果保存在新的张量。在 PyTorch 中，
[torch] torch.contiguous
weixin_30488313的博客
06-04 226
torch.contiguous 作用 连续存储，因为view的操作要求的是连续的内容。 详细 考虑下面的操作，transpose操作只是改变了stride，而实际数组存储的内容并没有得到任何改变，即t是连续存储的 0 1 2 3 4 5 6 7 8 9 10 11 ，t2的实际内容也是一致的，但是其索引的stride改变了，按照该索引去找地址则内存是不连续的。由于pytorch的底层实...
contiguous()方法
02-25
contiguous()方法
Contiguous_List.cpp
07-25
Contiguous_List.cpp
dma-contiguous.rar_memory
09-24
Contiguous Memory Allocator for DMA mapping framework.
[Pytorch函数].contiguous()
qq_41568188的博客
07-10 334
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_cont
pytorch .contiguous()
u012759006的博客
06-03 353
contiguous一般与transpose，permute,view搭配使用 即使用transpose或permute进行维度变换后，调用contiguous，然后方可使用view对维度进行变形，例如下面的操作， 对此操作的解释有两种说法： 1、维度变换后tensor在内存中不再是连续存储的，而view操作要求连续存储，所以需要contiguous。 2、维度变换后的变量是之前变量的...
Pytorch中的contiguous()函数
u011832617的博客
08-21 5421
这个函数主要是为了辅助pytorch中的一些其他函数，主要包含 在PyTorch中，有一些对Tensor的操作不会真正改变Tensor的内容，改变的仅仅是Tensor中字节位置的索引。这些操作有： narrow()，view()，expand()和transpose() 在运行这几个函数之前，需要先把Variable进行.contiguous()操作。 这是因为：有些tensor并不是...
关于Contiguous()方法
qq_35284646的博客
06-06 1798
关于Contiguous()方法的作用与示例
Pytorch中contiguous()函数理解
热门推荐
清晨的光明
08-23 7万+
引言 在pytorch中，只有很少几个操作是不改变tensor的内容本身，而只是重新定义下标与元素的对应关系的。换句话说，这种操作不进行数据拷贝和数据的改变，变的是元数据。 会改变元数据的操作是： narrow() view() expand() transpose() 在使用transpose()进行转置操作时，pytorch并不会创建新的、转置后的tensor，而是修改了tensor中的一些属性（也就是元数据），使得此时的offset和stride是与转置tensor相对应的。转置的t.
pytorch中的contiguous()
Never-Giveup的博客
10-25 3510
调用view之前最好先contiguous，也就是x.contiguous().view() 因为view需要tensor的内存是整块的 contiguous：中文意思连续的。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ten...
Pytorch中的contiguous理解
gdymind的博客
09-12 3万+
最近遇到这个函数，但查的中文博客里的解释貌似不是很到位，这里翻译一下stackoverflow上的回答并加上自己的理解。 在pytorch中，只有很少几个操作是不改变tensor的内容本身，而只是重新定义下标与元素的对应关系的。换句话说，这种操作不进行数据拷贝和数据的改变，变的是元数据。 这些操作是： narrow()，view()，expand()和transpose() 举个栗...
pytorch contiguous
03-16
PyTorch中的contiguous函数是用来将Tensor变成连续的Tensor的。在PyTorch中，Tensor的存储方式是按照列优先（column-major）的方式...因此，我们可以使用contiguous函数将Tensor变成连续的Tensor，从而提高计算效率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值