在这种情况下，“视图”的正式定义是什么？答案

【问题标题】：What is the formal definition for "view" in this context?在这种情况下，“视图”的正式定义是什么？
【发布时间】：2021-12-14 23:14:10
【问题描述】：

考虑以下段落中名为 The essence of tensors 的朋友部分名为 张量：多维数组 的章节名为它以张量开始来自 Eli Stevens 等人的《Deep Learning with PyTorch》一书中。

Python 列表或数字元组是 Python 对象的集合在内存中单独分配，如左图所示在图 3.3 中。另一方面，PyTorch 张量或 NumPy 数组手，是视图（通常）连续的内存块包含未装箱的 C 数字类型而不是 Python 对象。每个在这种情况下，元素是一个 32 位（4 字节）浮点数，正如我们在图 3.3 右侧。这意味着存储 1,000,000 的一维张量浮点数将需要 4,000,000 个连续字节，外加一个元数据的开销很小（例如维度和数字类型）。

他们所指的图如下所示，取自书中

上面的段落是说张量是对连续内存块的视图。在这种情况下，视图究竟是什么意思？

【问题讨论】：

标签： pytorch tensor definition

【解决方案1】：

“视图”是您解释这些数据的方式，或者更准确地说，是张量的形状。例如，给定一个具有 40 个连续字节（10 个连续浮点数）的内存块，您可以将其查看为 2x5 张量或 5x2 张量。

在 pytorch 中，更改张量视图的 API 是 view()。一些例子：

Python 3.8.10 (default, Sep 28 2021, 16:10:42) 
[GCC 9.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> x = torch.randn(10, dtype=torch.float32)
>>> x.shape
torch.Size([10])
>>>
>>> x = x.view(2, 5)
>>> x.shape
torch.Size([2, 5])
>>>
>>> x = x.view(5, 2)
>>> x.shape
torch.Size([5, 2])

当然，有些视图是禁止 10 个浮点数的：

>>> x = x.view(3, 3)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: shape '[3, 3]' is invalid for input of size 10

view 不会更改底层内存中的数据。它只是改变了你“查看”张量的方式。

【讨论】：