tensor.view()、tensor.reshape()、tensor.resize_() 三者的区别

我们已经知道pytorch的tensor由“头信息区”和“storage”两部分组成，其中tensor的实际数据是以一维数组（storage）的方式存于某个连续的内存中的。。

view 从字面意思上就是“ 视图 ”的意思，就是将原tensor以某种排列方式展示给我们， view()不会改变原storage、也不会新建storage，只新建头信息区 。

本质上， view()返回的是针对一维storage的某种排列视图，并且这种视图只能是连续、等距切分storage再连续竖向叠加形成的视图，不能跳跃式切分 ，如下图例子。

注意：如果tensor是不连续的，则不能使用view()（ /p/51678ea7a959 ）。

我们知道，tensor不连续是不能使用 view() 方法的。

只有将不连续tensor转化为连续tensor（利用contiguous()， /p/51678ea7a959 ）后，才能使用view()。

reshape()正是先完成连续化，然后再进行view() 。

reshape() 和 view() 的区别：

（1）当 tensor 满足连续性要求时，reshape() = view()，和原来 tensor ***用存储区；

（2）当 tensor不满足连续性要求时，reshape() = **contiguous() + view()，会产生有新存储区的 tensor，与原来tensor 不***用存储区。

前面说到的 view()和reshape()都必须要用到全部的原始数据，比如你的原始数据只有12个，无论你怎么变形都必须要用到12个数字，不能多不能少。因此你就不能把只有12个数字的 tensor 强行 reshap 成 2×5 的。

但是 resize_() 可以做到，无论原始存储区有多少个数字，我都能变成你想要的维度，数字不够怎么办？随机产生凑！数字多了怎么办？就取我需要的部分！

1.截取时：

会改变原tensor a，但不会改变storage（地址和值都不变），且a和b***用storage（这里是2638930351680

）。

2.添加时：会改变原tensor a，且会改变storage（地址和值都变），但a和b还是***用storage（这里是2638924338752

）。