最近在开始写代码，碰到了view和permute这两个操作，比较容易混淆，在此区分。
注意这是针对pytorch中tensor的操作，和numpy中的array没有任何关系！！！
View的操作在这里可以认为是对维度的改变（扩张或减小）,维度扩张的意思就是给原来的数据再多加一维（多加一个中括号），或者就是给原来的数据减去一维（减少一个中括号），下面针对实例进行介绍。
view效果展示图
从图中可以看到，我们可以对tensor i （一共包含3个元素）指定任意的维度（只要维度的乘积综合为tensor i 的总个数即可，例如这里所有的维度乘积之和为3）。
在这里，我们看到-1的存在，它不是意味着我们索引中的最后一个，而是说让pytroch自动去计算这里应该填入什么值来保证总乘积等于总共的元素个数。（其实是给程序员偷懒的方式！！）
其次，还需要提的是在用view对tensor更改维度以后，其中的值是按照原来tensor中排列的顺序来填充新维度下的tensor内容。
举个例子，
[[1,2,3],[4,5,6]].view(3,2)
会得到
[[1,2],[3,4],[5,6]]
就是按照原来[[1,2,3],[4,5,6]]中数据的顺序，按序取出后然后放入。
总之，这个方法就是能让你把你的tensor变成你想要的维度形式，通过增加维度或者减小维度的方式实现。）
接下来聊聊permute
可能有朋友会说如果有view的操作了，为什么还需要permute来调整维度等等。
其实，permute能做的是view做不到的，
（因为view只能以顺序的方式来摆放元素，但是view可以实现坐标上的对称转换）
且在view进行了维度扩张以后，在有些情况下我们自然而然地将维度之间进行交换位置，实现例如转置这样的操作。
下面用例子来说明
Permute效果展示图
图中第一行其实是定义了一个(1,2,3)维度的tensor，在这里如果我们需要对数据进行维度的变换，例如将原来（1，2，3）维的数据变换为（1，3，2）维的形式。permute在这里做的其实就是一个转置的操作。第0维（也就是上面括号中的1）不去动它，在后面的变换中，将处于（2，1）
[4,5,6]中的4变换成结果中的（1，2）[1,4]中的4，来达到转置的效果。可见，也印证了a.permute(0,2,1)中的2,1其实是对第3维与第2维进行了交换（也就是我们理解的转置的意思，这里因为是从0开始计数的，所以这里表示维度是0，1，2维）。
