PyTorch中用reshape/view实现张量指定顺序展平重塑的通用方法

PyTorch中view和reshape默认按内存行优先（C顺序）读取元素：遍历张量时优先走最后一个维度，逐行拼接取值。你给出的2维示例张量形状为(3,2)，直接展平时会依次取每一行的元素，因此得到[1 4 2 5 3 6]，和你预期的先遍历第一列、再遍历第二列的顺序不符。

要得到目标顺序[1 2 3 4 5 6]，先转置交换两个维度，再展平即可：

import torch
import numpy as np
a = torch.tensor([[1, 4], [2, 5],[3, 6]])

# 写法1：用view，需要先把转置后的张量转为内存连续格式
b = a.t().contiguous().view(6).detach().numpy()
print(b) # 输出 [1 2 3 4 5 6]

# 写法2：用reshape可以省略contiguous，reshape会自动处理非连续内存
b = a.t().reshape(6).detach().numpy()

对于3维及以上的张量，核心逻辑是先调整维度顺序，再展平，步骤如下：

• 明确你需要的元素遍历优先级：最先遍历的维度优先级最高，最后遍历的维度优先级最低
• 调用permute()方法，按优先级从高到低传入维度索引，重排张量维度
• 调用reshape(-1)即可得到对应顺序的一维展平结果

举个3维张量的示例：

# 形状为(2,3,2)的3维张量
a = torch.tensor([
    [[1,7],[2,8],[3,9]],
    [[4,10],[5,11],[6,12]]
])

# 按「第2维→第0维→第1维」的优先级遍历展平，得到[1,2,3,4,5,6,7,8,9,10,11,12]
b = a.permute(2, 0, 1).reshape(-1).numpy()
print(b)

如果不需要保留张量的梯度传播能力，也可以直接转numpy后用列优先模式展平，仅2维场景下可以直接得到你要的结果：

b = a.detach().numpy().flatten(order='F')

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