Pytorch之contiguous的用法
contiguous
tensor变量调用contiguous()函数会使tensor变量在内存中的存储变得连续。
contiguous():view只能用在contiguous的variable上。如果在view之前用了transpose,permute等,需要用contiguous()来返回一个contiguouscopy。
一种可能的解释是:
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。
is_contiguous
判断是否contiguous用torch.Tensor.is_contiguous()函数。
importtorch x=torch.ones(10,10) x.is_contiguous()#True x.transpose(0,1).is_contiguous()#False x.transpose(0,1).contiguous().is_contiguous()#True
在pytorch的最新版本0.4版本中,增加了torch.reshape(),这与numpy.reshape的功能类似。它大致相当于tensor.contiguous().view()
以上这篇Pytorch之contiguous的用法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。