pytorch中contiguous()

最新推荐文章于 2025-07-04 00:18:50 发布

原创最新推荐文章于 2025-07-04 00:18:50 发布 · 2w 阅读

28 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

python基础

当前文章被收录于：

python基础

1096 篇文章 66 人学习

感谢粉丝的认可，特意把python基础知识免费分享出来，供大家学习使用

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文详细介绍了PyTorch中contiguous()函数的作用及其与view()的关系。解释了为什么在使用view()之前通常需要先调用contiguous()确保Tensor在内存中是连续的。同时对比了contiguous().view()与新增的reshape()函数。

pytorch中contiguous()

调用view之前最好先contiguous
x.contiguous().view()

因为view需要tensor的内存是整块的

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()

https://blog.csdn.net/u011394059/article/details/78664694
https://blog.csdn.net/guotong1988/article/details/78730078
https://blog.csdn.net/u011276025/article/details/73826562
中的Bug3