x.view()就是對tensor進行reshape：

我們在創建一個網絡的時候，會在Foward函數內看到view的使用。
首先這里是一個簡單的網絡，有卷積和全連接組成。它的foward函數如下：

class NET(nn.Module):def __init__(self,batch_size):super(NET,self).__init__()self.conv = nn.Conv2d(outchannels=3,in_channels=64,kernel_size=3,stride=1)self.fc = nn.Linear(64*batch_size,10)def forward(self,x):x = self.conv(x)x = x.view(x.size(0), -1)  out = self.fc(x)

在CNN中卷積或者池化之后需要連接全連接層，所以需要把多維度的tensor展平成一維，x.view(x.size(0), -1)就實現的這個功能。
卷積或者池化之后的tensor的維度為(batchsize，channels，x，y)，其中x.size(0)指batchsize的值，x = x.view(x.size(0), -1)簡化x = x.view(batchsize, -1)。( 通過x.view(x.size(0), -1)將tensor的結構轉換為了(batchsize, channelsxy)，即將（channels，x，y）拉直，然后就可以和fc層連接了。)

示例：
x變量的本質就是一個4維向量，而在conv1層的輸入的x為一個10 $?$ 3 $?$ 100 $?$ 100的向量，參數分別表示batchsize，RGB，100 $?$ 100圖片大小，x經過一層層的卷積，最后10 $?$ 256 $?$ 4 $?$ 4向量作為第四層卷積輸出。

最后使用x.view(x.shape(0),-1)將x轉化成一個10行的矩陣，矩陣的每一行就是這個批量（批量大小為10）中每張圖片的各個參數（即256 $?$ 4 $?$ 4），即矩陣中一行對應一張圖片。

view()函數的功能根reshape類似，用來轉換size大小。x = x.view(batchsize, -1)中batchsize指轉換后有幾行，而-1指在不告訴函數有多少列的情況下，根據原tensor數據和batchsize自動分配列數。