导读 在深度学习框架 PyTorch 中，`expand()` 是一个常用的操作，但很多人会遇到它与“不连续”内存的问题。简单来说，`expand()` 可以用来...
在深度学习框架 PyTorch 中，`expand()` 是一个常用的操作，但很多人会遇到它与“不连续”内存的问题。简单来说，`expand()` 可以用来扩展张量的维度，但前提是数据本身不能改变，即操作必须是“广播”式的。如果尝试对非连续存储的张量使用 `expand()`，就会报错！🤔
举个例子：假设你有一个形状为 `(3, 1)` 的张量，想要通过 `expand((3, 4))` 将其扩展到 `(3, 4)`。这没问题，因为数据可以按规则广播填充。但如果这个张量的内存布局是不连续的（比如经过了转置或切片），PyTorch 会拒绝操作。此时需要先用 `.contiguous()` 强制整理内存顺序，再调用 `expand()` 才能成功！💡
所以记住：`expand()` 虽然强大，但也挑“内存性格”。如果遇到问题，不妨检查一下你的张量是否是连续的哦！💪
🎉 Tips: 使用 `.view()` 或 `.reshape()` 前，确保张量的内存布局符合要求，避免不必要的麻烦！✨
免责声明：本文由用户上传，如有侵权请联系删除！