ref:https://blog.csdn.net/g11d111/article/details/90417308
看别人的pytorch代码中，经常有些地方会有使用.contiguous()，而有些地方去掉会报错，所以就这个问题搜索了下。
该操作保证tensor内存行优先进行连续排列。某些Tensor操作（如transpose、permute、narrow、expand）与原Tensor是共享内存中的数据，不会改变底层数组的存储，但原来在语义上相邻、内存里也相邻的元素在执行这样的操作后，在语义上相邻，但在内存不相邻，即不连续了（is not contiguous）。
PyTorch在0.4版本以后提供了reshape方法，实现了类似于 tensor.contigous().view(*args) 的功能，如果不关心底层数据是否使用了新的内存，则使用reshape方法更方便。