torch.view()和torch.reshape()的不同

torch.reshape() 和 torch.view() 都是 PyTorch 中用来改变张量形状的方法，但它们在某些方面有所不同。

1. torch.view()

• 内存要求：torch.view() 需要返回的新形状与原始张量在内存中是连续的。换句话说，它要求数据在内存中是以相同的顺序排列的。
• 使用限制：如果原始张量是非连续的（例如通过切片或某些操作产生的），你必须先调用 tensor.contiguous() 来使其连续。
• 用法：view() 方法通常用于在不复制数据的情况下调整张量的形状。

 

import torch

x = torch.tensor([[1, 2], [3, 4]])
y = x.view(4)  # 将形状从 (2, 2) 改为 (4,)

2. torch.reshape()

• 内存要求：torch.reshape() 不要求原始张量是连续的。如果原始张量是非连续的，它会自动返回一个新的张量，并对数据进行复制以满足新的形状。
• 灵活性：reshape() 提供了更高的灵活性，能够处理更多情况。
• 用法：可以使用 reshape() 来改变形状，无论张量是否是连续的。

 

import torch

x = torch.tensor([[1, 2], [3, 4]])
y = x.reshape(4)  # 将形状从 (2, 2) 改为 (4,)

总结

• torch.view()：适用于已连续的张量，且不进行数据复制。
• torch.reshape()：更灵活，适用于任何情况，可能会复制数据以满足新的形状要求。

在实际使用中，如果你不确定张量是否是连续的，或者希望简化代码，可以优先使用 torch.reshape()。