理解pytorch系列：transpose是怎么实现的

在PyTorch中，transpose()是一种操作，它交换张量中两个指定维度的位置。实现这一点的关键在于不实际移动数据，而是通过改变张量的元数据（包括步长（stride）和尺寸（size））来达到效果。

举例来说，假设我们有一个形状为(3, 4)的二维张量，其内存布局为行优先（row-major）即C风格的。当我们对这个张量执行transpose(0, 1)操作时，我们期望该张量行变成列，列变成行，即得到一个形状为(4,3)的新视图。

这是通过以下步骤完成的：

1. 改变尺寸：改变size元数据，使得原本第一个维度（行）的大小与第二个维度（列）的大小交换。

2. 改变步长：步长（stride）是一个数组，指示了在每个维度上移动一个元素需要跳过的内存位置数。执行transpose()时，交换了两个维度的步长。在行优先存储的张量中，行的步长通常比列的步长大。

3. 不移动数据：实际上数据并没有在内存中移动，只是改变了在这块内存空间上的解释方式。

以下是一个简单的示例：

import torch

# 创建一个 3x4 的张量
x = torch.arange(12