PyTorch中基于列优先重塑一维数组的高效实现方法

你的问题核心是：torch.reshape默认按**行优先（C顺序）填充元素，导致输出不符合预期；你需要的是列优先（Fortran顺序）**排列的矩阵，同时希望避免不必要的数据复制以保证效率。

以下是两种最优解决方案：

方法1：用torch.as_strided创建视图（无数据复制，效率最高） #

直接基于原张量的内存布局构造目标形状的视图，完全不复制数据：

import torch

p = torch.arange(0, 12, requires_grad=False, dtype=torch.int32)
# size指定目标形状为4行3列，stride设置步长：行内步长1，列间步长4
pr = torch.as_strided(p, size=(4, 3), stride=(1, 4))

原理：通过stride=(1,4)指定，访问第i行第j列元素时，实际取原张量中索引为i*1 + j*4的元素，正好匹配你期望的排列顺序。

方法2：用reshape配合order='F'（代码简洁，会生成副本） #

如果对性能要求没有那么极致，这种方式代码更直观：

pr = p.reshape(4, 3, order='F')

原理：order='F'强制按列优先填充元素，最终输出就是你想要的矩阵。但由于原张量是C顺序连续存储，该操作会生成数据副本，效率略低于as_strided。

注意事项 #

• torch.as_strided需要手动控制步长，使用时要确保步长设置正确，避免内存越界；
• 若后续无需修改原张量，as_strided是最优选择；若需要对新张量进行连续内存操作，reshape+order='F'生成的副本可能更方便。

内容的提问来源于stack exchange，提问作者Miraboreasu