呼叫view之前最好先contiguous，也就是x.contiguous().view()
因為view需要tensor的記憶體是整塊的

contiguous：中文意思連續的。view只能用在contiguous的variable上。如果在view之前用了transpose, permute等，需要用contiguous()來返回一個contiguous copy。
一種可能的解釋是：
有些tensor並不是佔用一整塊記憶體，而是由不同的資料塊組成，而tensor的view()操作依賴於記憶體是整塊的，這時只需要執行contiguous()這個函式，把tensor變成在記憶體中連續分佈的形式。
判斷是否contiguous用torch.Tensor.is_contiguous()函式。

import torch
x = torch.ones(10, 10)
x.is_contiguous()  # True
x.transpose(0, 1).is_contiguous()  # False
x.transpose(0, 1).contiguous().is_contiguous()  # True

另外，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()