pytorch中contiguous()的用法

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。

a=torch.Tensor([[1,2,3],[4,5,6]])
print(a.is_contiguous())
print(a.transpose(0, 1).is_contiguous())
print(a.transpose(0,1).contiguous().is_contiguous())

输出：

True
False
True

在pytorch的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()