1、首先理解contiguous与non-contiguous数组的区别
python - What is the difference between contiguous and non-contiguous arrays? - Stack Overflow
总结下来就是:
(1)permute/transpose这种转置操作会带来内存拷贝。
(2)view操作只作用在连续内存上,仅仅按照行重新排列下标,不改变数据的内存分布。
(3)reshape操作可以作用在连续和非连续数据上,如果作用在非连续数据上也会带来内存拷贝,变成内存连续的数据。
2、理解torch中contiguous()的作用
科学网—pytorch中contiguous() - 张伟的博文
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。
import torch
x = torch.ones(10, 10)
x.is_contiguous() # True
x.transpose(0, 1).is_contiguous() # False
x.transpose(0, 1).contiguous().is_contiguous() # True
在pytorch的最新版本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()。