在 PyTorch 中，view 和 reshape 都用于改变张量的形状，但它们的行为和适用场景有所不同。
共享内存：view 返回的新张量与原始张量共享内存。这意味着修改其中一个张量会影响另一个。
连续性要求：view 要求张量在内存中是连续的（contiguous）。如果张量不连续，需要先调用 contiguous() 方法。
适用场景：适用于需要共享内存且张量已经是连续的情况。
import torch
x = torch.arange(6)
y = x.view(2, 3) # 改变形状为 (2, 3)
y[0, 0] = 10
print(x) # x 也会被修改
共享内存（可能）：reshape 会尽可能返回共享内存的视图，但如果张量不连续，它会返回一个新的张量副本。
无连续性要求：reshape 不要求张量是连续的，它会自动处理连续性。
适用场景：适用于不确定张量是否连续，或需要灵活处理形状的情况。
import torch
x = torch.arange(6)
y = x.reshape(2, 3) # 改变形状为 (2, 3)
y[0, 0] = 10
print(x) # x 也会被修改，但如果 x 不连续，y 可能是副本
view：适用于已知张量连续且需要共享内存的场景。
reshape：适用于不确定张量是否连续或需要灵活处理形状的场景。
如果张量不连续，view 会报错，而 reshape 会自动处理。