torch中reshape和view

回答

老师讲到torch中reshape和view是一样的，看了torch文档，并实践了一下，事实上还是有一点点区别的，区别在于被操作的那个tensor是否是连续的，当连续时两者一致，当不连续时reshape会返回新的tensor，该tensor与原来的再无关联，修改reshape返回的tensor不会变更原来的，比如：
a = t.rand(3,3)
b = a.permute(1,0)
c = b.reshape(9)
c【0】=100 #这里观察一下a,b对应位置的数值

评论

可以参考这个网页的第一个回答：https://stackoverflow.com/questions/49643225/whats-the-difference-between-reshape-and-view-in-pytorch view只能作用在连续的张量上（张量中元素的内存地址是连续的）。而reshape连续or非连续都可以。调用x.reshape的时候，如果x在内存中是连续的，那么x.reshape会返回一个view（原地修改，此时内存地址不变），否则就会返回一个新的张量（这时候内存地址变了）。所以推荐的做法是，想要原地修改就直接view，否则就先clone()再改。

参考程序

import torch as t
a = t.rand(3,3)
b = a.permute(1,0)
c = b.reshape(9)
c[0]=100  #这里观察一下a,b对应位置的数值
print("a: \n", a)
print("b: \n", b)
print("c: \n", c)

这段代码使用了 PyTorch 库，其中执行了以下操作：

1. 使用 t.rand(3, 3) 函数创建一个随机的 3×3 的张量，并将其赋值给变量 a。
2. 使用 a.permute(1,0) 函数对 a 进行转置操作，并将得到的结果赋值给变量 b。其中，permute 函数可以接收多个参数，用于指定新维度的顺序，这里将原张量的两个维度交换。
3. 使用 b.reshape(9) 函数将 b 变形为一维张量（即长度为 9 的向量），并将结果赋值给变量 c。
4. 对 c 中的第一个元素进行修改，将其赋值为 100。
5. 输出变量 a、b 和 c 的值。

最后输出的结果显示，由于 PyTorch 张量对象是引用类型，所以在修改一维张量 c 的第一个元素时，也同时影响了转置后的二维张量 b 第一列的第一个元素以及原始的数组 a 的第一行第一列元素。

参考

https://www.bilibili.com/video/BV1CV411Y7i4?p=4&spm_id_from=pageDriver&vd_source=c708def0a324eac06f3f31f597632be7