tensor.contiguous()

tensor.contiguous() 是 PyTorch 中用来返回按顺序保存的连续张量的函数。在进行数据变换或者操作时，可能会使得张量不再是按顺序保存的连续数组，这时使用.contiguous()函数可以把张量重新变为按顺序保存的连续数组。

相关问题

pytorch tensor.contiguous()

在 PyTorch 中，当一个张量不是按照内存中连续的方式存储时，它被称为非连续性张量。在这种情况下，我们可以使用 `tensor.contiguous()` 方法来返回一个连续的张量。

具体来说，当一个张量的内存不是按照连续方式存储时，这个张量的元素在内存中的存储位置可能是不连续的。这种情况下，我们无法直接对该张量进行一些操作，比如进行矩阵乘法等操作。因此，我们需要调用 `contiguous()` 方法来将该张量复制到一个连续的内存块中，使得元素在内存中的存储位置变得连续。这样，我们就可以对它进行操作了。

需要注意的是，`contiguous()` 方法会返回一个新的张量，而不是修改原有的张量。因此，如果需要修改原有的张量，需要将返回值再次赋值给原变量。

tensor.contiguous().view(-1)

这行代码的作用是将一个 Tensor 进行内存连续化操作，然后将其形状改变为 1 维。在 PyTorch 中，Tensor 可能因为各种操作而不再是内存连续的，如果需要对其进行操作，就需要先将其内存连续化。使用 contiguous() 函数可以实现这一功能，view() 函数则可以将其形状改变为指定的形状。在这行代码中，-1 表示将原 Tensor 扁平化成 1 维的形状。