pytorch中contiguous()的理解

功能：將tensor的內存變爲連續的。
有些tensor並不是佔用一整塊內存，而是由不同的數據塊組成，而tensor的view()操作依賴於內存是整塊的，這時只需要執行contiguous()這個函數，把tensor變成在內存中連續分佈的形式。

注：在pytorch的最新版本0.4版本中，增加了torch.reshape(), 這與 numpy.reshape 的功能類似。它大致相當於 tensor.contiguous().view()。
示例代碼：

predict = predict.contiguous().view(predict.shape[0], -1)
target = target.contiguous().view(target.shape[0], -1)