view()
x.view() 是 PyTorch 中用于改变张量形状的方法之一，它允许你在保持张量元素总数不变的情况下，重新组织张量的维度和大小。
view() 方法的用法如下：
x.view(*shape)
其中 x 是要进行形状变换的张量，shape 是一个整数或整数元组，用于指定目标形状。* 表示可以接受不定数量的参数。
view() 方法的关键是指定目标形状 shape。目标形状应该满足以下两个条件：
- 目标形状的元素总数必须与原始张量的元素总数相同，以保持数据完整性。
- 目标形状中的维度可以是具体的整数值，也可以是
-1，表示该维度的大小由其他维度的大小推断得出。
下面是一些使用 view() 方法的示例：
- 将一个张量的形状从
(2, 3, 4)调整为(6, 4)：
x = torch.randn(2, 3, 4)
y = x.view(6, 4)
- 将一个张量的形状从
(1, 10)调整为(5, 2)：
x = torch.randn(1, 10)
y = x.view(5, 2)
- 将一个张量的形状从
(3, 4, 5)调整为(3, -1)，其中-1表示自动计算该维度的大小：
x = torch.randn(3, 4, 5)
y = x.view(3, -1)
需要注意的是，view() 方法并不改变张量的数据内容，它只是改变了张量的形状。因此，改变形状后的张量与原始张量共享相同的存储空间，即它们指向同一块内存。这意味着对其中一个张量的修改也会影响到另一个张量。
此外，有时候在进行形状变换时，可能会遇到不能满足形状变换要求的情况，例如无法将一个张量的元素总数与目标形状的元素总数匹配。在这种情况下，会抛出一个错误。因此，确保目标形状与原始张量的元素总数匹配是很重要的。
总结起来，x.view() 方法是用于改变张量形状的函数，它允许你重新组织张量的维度和大小。通过指定目标形状，你可以调整张量的形状以满足特定的需求。
业务示例代码：
# forward中定义数据流def forward(self, x):x = self.conv1(x)x = self.block2(x)x = self.block3(x)x = self.avgpool(x) # 此时这里是(样本量，256,1,1) NCHW# 进入线性层，必须将数据从四维数据变成一个二维数据# 此时需要将x给拉平x = x.view(x.shape[0], 256)x = self.fc(x)
)
