[torch] torch.contiguous

秒速五厘米 2021-11-02 04:58 327阅读 0赞

# torch.contiguous #

## 作用 ##

连续存储，因为view的操作要求的是连续的内容。

## 详细 ##

考虑下面的操作，transpose操作只是改变了stride，而实际数组存储的内容并没有得到任何改变，即t是连续存储的 0 1 2 3 4 5 6 7 8 9 10 11 ，t2的实际内容也是一致的，但是其索引的stride改变了，按照该索引去找地址则内存是不连续的。由于pytorch的底层实现是C，也就是行优先存储.由最后输出的faltten后的结果可以看出存储的内容确实改变了，由此完全弄懂了为什么有的时候要contiguous。

>>>t = torch.arange(12).reshape(3,4) >>>t tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>>t.stride() (4, 1) >>>t2 = t.transpose(0,1) >>>t2 tensor([[ 0, 4, 8], [ 1, 5, 9], [ 2, 6, 10], [ 3, 7, 11]]) >>>t2.stride() (1, 4) >>>t.data_ptr() == t2.data_ptr() # 底层数据是同一个一维数组 True >>>t.is_contiguous(),t2.is_contiguous() # t连续，t2不连续 (True, False) >>>print(t1.flatten()) tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) >>>t2 = t2.contiguous() >>>print(t2.flatten()) tensor([ 0, 4, 8, 1, 5, 9, 2, 6, 10, 3, 7, 11])

## 应用 ##

shuffleNet里打乱channel的操作

def shuffle_channels(x,groups): batch_size,channels,height,width = x.size() assert channels % groups == 0 channels_per_group = channels // groups x = x.view(batch_size,groups,channels_per_group,height,width) x = x.transpose(1,2).contiguous() x = x.view(batch_size,channels,height,width) return x

转载于:https://www.cnblogs.com/aoru45/p/10974508.html

发表评论取消回复

表情：

评论列表（有 0 条评论，327人围观）

还没有评论，来说两句吧...

相关阅读

相关 pytorch1.4.0+torch_scatter+torch_sparse+torch_cluster+torch_spline_conv安装

环境： CUDA10.0.130 CUDNN7.6.5 具体参见Ubuntu显卡驱动安装、CUDA+CUDNN安装文章，本文不赘述。需要配置环境变量：

电玩女神/ 2022年10月27日 12:14/ 0 赞/ 331 阅读

相关【torch杂记】torch.nn.init.kaiming_normal_

torch.nn.init.kaiming\_normal\_ 文章目录 torch.nn.init.kaiming\_normal\_

淩亂°似流年/ 2022年10月12日 01:56/ 0 赞/ 372 阅读

相关 torch杂记

torch杂记 <table> <thead> <tr> <th>序号</th> <th>名称</th> <th>备注</th>

女爷i/ 2022年10月12日 01:13/ 0 赞/ 95 阅读

相关 TORCH.NN

[https://pytorch.org/docs/stable/nn.html][https_pytorch.org_docs_stable_nn.html] [http

淡淡的烟草味﹌/ 2022年09月12日 05:55/ 0 赞/ 110 阅读

相关 pytorch:torch.mm()和torch.matmul()

torch.matmul()没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作 `torch.mm(a, b)`是矩阵a和b矩阵相乘，比如a的维度是(m, x)

r囧r小猫/ 2022年09月05日 04:06/ 0 赞/ 198 阅读

相关 torch.mul() 和 torch.mm() 区别

torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵 torch.m

「爱情、让人受尽委屈。」/ 2022年04月10日 13:20/ 0 赞/ 194 阅读

相关 torch.FloatTensor

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5

清疚/ 2022年03月18日 07:23/ 0 赞/ 137 阅读

相关 torch中关于torch.max()和torch.min()函数的理解

简介在tensor类型的数据中，max和min函数常用来比较两个tensor数据的大小，或者取出tensor数据中的最大值。关于max函数和min函数的用法有以下几种

我会带着你远行/ 2021年12月12日 14:33/ 0 赞/ 1788 阅读

相关 [torch] torch.contiguous

torch.contiguous 作用连续存储，因为view的操作要求的是连续的内容。详细考虑下面的操作，transpose操作只是改变了stride

秒速五厘米/ 2021年11月02日 04:58/ 0 赞/ 328 阅读

相关 pytorch torch.Stroage();torch.cuda()

转自：[https://ptorch.com/news/52.html][https_ptorch.com_news_52.html] `torch.Storage`是

偏执的太偏执、/ 2021年10月25日 13:20/ 0 赞/ 386 阅读