Pytorch中的contiguous()函数

最新推荐文章于 2025-07-04 00:18:50 发布

www.flybird.xyz

最新推荐文章于 2025-07-04 00:18:50 发布

阅读量5.5k

点赞数 9

CC 4.0 BY-SA版权

分类专栏： Pytorch

本文链接：https://blog.youkuaiyun.com/u011832617/article/details/99977512

2 篇文章

订阅专栏

本文详细解析了PyTorch中contiguous()函数的作用及使用场景，阐述了该函数如何确保Tensor在内存中连续分布，以及其对view()、expand()等操作的影响。并介绍了判断Tensor是否连续的is_contiguous()函数，帮助理解Tensor操作中的内存管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这个函数主要是为了辅助pytorch中的一些其他函数，主要包含
在PyTorch中，有一些对Tensor的操作不会真正改变Tensor的内容，改变的仅仅是Tensor中字节位置的索引。这些操作有：

narrow()，view()，expand()和transpose()

在运行这几个函数之前，需要先把Variable进行.contiguous()操作。

这是因为：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。

例如执行view操作之后，不会开辟新的内存空间来存放处理之后的数据，实际上新数据与原始数据共享同一块内存。

而在调用contiguous()之后，PyTorch会开辟一块新的内存空间存放变换之后的数据，并会真正改变Tensor的内容，按照变换之后的顺序存放数据。

判断是否contiguous用torch.Tensor.is_contiguous()函数。

如果在需要调用contiguous()的地方调用contiguous()，运行时会提示你：

RuntimeError: input is not contiguous

这个时候，加上contiguous()就好。