前要
这两个函数都是用来改变tensor的形状的，但是他们两是有内存共享的区别，因为这个区别。
三个提前说的注意点：
- x是个
tensor，x += 1和x= x+1在pytorch中是有区别的， 后者会重开内存地址。 - 学过面向对象语言都知道，对象和数据的地址是分开的，比如
x = [1,2,3],对象是x，数据是[1,2,3]。 id()函数只能看对象内存地址，storage()函数可以看数据内存地址。
1. 文档解释
view()
# 使用方法
x_tensor.view(*args) → Tensor
- 返回一个有相同数据但结构不同的tensor。
- 返回的tensor必须有与原tensor相同的数据和相同数目的元素，但可以有不同的大小。
- 一个tensor必须是连续的contiguous()才能被view()。
参数：
- x_tensor: 想改变结构的tensor
- args: 目标结构
例：
x = torch.randn(4, 4)
x.view(2,8)
reshape()
reshape和上面的是一样的使用方法，但是是对于不连续的数据可以改变形状。
2. 区别
view()和reshape()有两点以下区别。
view()是内存共享的，reshape()不是共享的，可以理解为reshape获取的是真实副本而不是改变观察视角，然而实际上并不会这样使用它，因为reshape通常获取不到原数据的拷贝(改变了data的内存地址)，所以一般用clone()克隆后再view
x = torch.randint(0,20,(2,3))
''' tensor([[ 7., 2., 16.],[17., 19., 15.]]) '''
y = x.view(6)
''' tensor([ 7., 2., 16., 17., 19., 15.]) '''
z = x.view(-1,2)
''' tensor([[ 7., 2.],[16., 17.],[19., 15.]]) '''
##########注意区别##############
# 看看对象的地址是否一样：
print(id(x)==id(y), id(x)==id(z), id(y)==id(z))
print(id(x.data)==id(y.data), id(x.data)==id(z.data),id(y.data)==id(z.data))
''' False False False True True True '''
# 这时候我们改变x
x[0] = 1
''' 都改变了 tensor([[ 1., 1., 1.],[17., 19., 15.]]) tensor([ 1., 1., 1., 17., 19., 15.]) tensor([[ 1., 1.],[ 1., 17.],[19., 15.]]) '''
# 改变z呢？
z[0] = 0
''' # 也都改变了 tensor([[ 0., 0., 1.],[17., 19., 15.]]) tensor([ 0., 0., 1., 17., 19., 15.]) tensor([[ 0., 0.],[ 1., 17.],[19., 15.]]) '''
但是！！！要注意我开头说到的第一点
x = x + 1
''' tensor([[ 1., 1., 2.],[18., 20., 16.]]) tensor([ 0., 0., 1., 17., 19., 15.]) tensor([[ 0., 0.],[ 1., 17.],[19., 15.]]) '''
会发现只有x改变了，其他没变，
这是因为这样会开辟新的内存空间
所以啊，写论文尽量用x = x + ?这个操作
'你如果把x=x +1改成x+=1会发现y,z输出没有变,只有x变了'
- 对于不连续的数据，
reshape()可以改变，例子如下：
x = torch.rand(3,4)
x = x.transpose(0,1)
print(x.is_contiguous())
'False'
# 会发现
x.view(3,4)
''' RuntimeError: invalid argument 2: view size is not compatible with input tensor's.... 就是不连续导致的 '''
# 但是这样是可以的。
x = x.contiguous()
x.view(3,4)
我们再看看reshape()
x = torch.rand(3,4)
x = x.permute(1,0) # 等价x = x.transpose(0,1)
x.reshape(3,4)
'''这就不报错了 说明x.reshape(3,4) 这个操作 等于x = x.contiguous().view() 尽管如此，但是我们还是不推荐使用reshape 除非为了获取完全不同但是数据相同的克隆体 '''
3.关于连续contiguous()
目前pytorch只要是transpose()和permute()这两个函数用过后，tensor都会变得不再连续，就不可以使用view().
调用contiguous()时，会强制拷贝一份tensor，让它的布局和从头创建的一毛一样。
（这一段看文字你肯定不理解，你也可以不用理解，有空我会画图补上）
你只需要记住了，使用view()之前，只要使用了transpose()和permute()这两个函数一定要contiguous()