相當於numpy中resize（）的功能，但是用法可能不太一樣。
我的理解是：
把原先tensor中的數據按照行優先的順序排成一個一維的數據（這里應該是因為要求地址是連續存儲的），然后按照參數組合成其他維度的tensor。比如說是不管你原先的數據是[[[1,2,3],[4,5,6]]]還是[1,2,3,4,5,6]，因為它們排成一維向量都是6個元素，所以只要view后面的參數一致，得到的結果都是一樣的。比如，
a=torch.Tensor([[[1,2,3],[4,5,6]]])
b=torch.Tensor([1,2,3,4,5,6])
print(a.view(1,6))
print(b.view(1,6))
得到的結果都是tensor([[1., 2., 3., 4., 5., 6.]])
再看一個例子：
a=torch.Tensor([[[1,2,3],[4,5,6]]])
print(a.view(3,2))
將會得到：
tensor([[1., 2.],
[3., 4.],
[5., 6.]])
相當於就是從1，2，3，4，5，6順序的拿數組來填充需要的形狀。但是如果您想得到如下的結果：
tensor([[1., 4.],
[2., 5.],
[3., 6.]])
就需要使用另一個函數了：permute（）。用法參見我的另一篇博客：PyTorch中permute的用法
另外，參數不可為空。參數中的-1就代表這個位置由其他位置的數字來推斷，只要在不致歧義的情況的下，view參數就可以推斷出來，也就是人可以推斷出形狀的情況下，view函數也可以推斷出來。比如a tensor的數據個數是6個，如果view（1，-1），我們就可以根據tensor的元素個數推斷出-1代表6。而如果是view（-1，-1，2），人不知道怎么推斷，機器也不知道。還有一種情況是人可以推斷出來，但是機器推斷不出來的：view（-1，-1，6），人可以知道-1都代表1，但是機器不允許同時有兩個負1。
如果沒有-1，那么所有參數的乘積就要和tensor中元素的總個數一致了，否則就會出現錯誤。
---------------------
作者：York1996
來源：CSDN
原文：https://blog.csdn.net/york1996/article/details/81949843
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！