张量分解卷积层代码搭建错误修改（pytorch）

1,代码中实现可以输出变化的变量
 

print('#training images = %d' % dataset_size)

2，RuntimeError: The size of tensor a (32) must match the size of tensor b (28) at non-singleton

在修改卷积层的过程中，没有考虑到卷积层的输出受到输入图片大小、卷积核大小、步长和padding的影响。
N=(W-F+2P)/S+1
W:输入图片大小
F：卷积核大小
P：padding
S：步长

3，RuntimeError: view size is not compatible with input tensor's size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(...) instead.

将下面语句
latent_res = latent.view(N, self.opt.G_s+self.opt.G_n, -1)
改为如下，此处添加.contiguous()
latent_res = latent.contiguous().view(N, self.opt.G_s+self.opt.G_n, -1)

为什么：

因为历史上view方法已经约定了共享底层数据内存，返回的Tensor底层数据不会使用新的内存，如果在view中调用了contiguous方法，则可能在返回Tensor底层数据中使用了新的内存，这样打破了之前的约定，破坏了对之前的代码兼容性。为了解决用户使用便捷性问题，PyTorch在0.4版本以后提供了reshape方法，实现了类似于 tensor.contigous().view(*args)的功能，如果不关心底层数据是否使用了新的内存，则使用reshape方法更方便。