reshape：用于改变张量形状，可以处理非连续张量。

view：用于改变张量形状，但只能用于连续张量。对于非连续张量，需要先调用 .contiguous() 方法。

transpose：用于交换两个维度。

permute：用于根据指定顺序重新排列所有维度。

上述4个函数均共享内存，因此对上述函数的返回值进行修改原数据会受到影响，我们可以用下述代码来验证

代码：

import torch

data = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8], dtype=torch.float32)
data1 = torch.tensor([9, 10, 11, 12, 13, 14, 15, 16], dtype=torch.float32)
data2 = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32)
data3 = torch.tensor([[5, 6], [7, 8]], dtype=torch.float32)

view = data.view((2, 4))
reshape = data1.reshape((2, 4))
transpose = data2.transpose(1, 0)
permute = data3.permute(1, 0)

print('修改前')
print(data)
print(data1)
print(transpose)
print(permute)

view[0][0] = 100
reshape[1][1] = 100
transpose[0][0] = 100
permute[1][1] = 100

print('修改后')
print(data)
print(data1)
print(data2)
print(data3)

输出：

修改前
tensor([1., 2., 3., 4., 5., 6., 7., 8.])
tensor([ 9., 10., 11., 12., 13., 14., 15., 16.])
tensor([[1., 3.],
        [2., 4.]])
tensor([[5., 7.],
        [6., 8.]])
修改后
tensor([100.,   2.,   3.,   4.,   5.,   6.,   7.,   8.])
tensor([  9.,  10.,  11.,  12.,  13., 100.,  15.,  16.])
tensor([[100.,   2.],
        [  3.,   4.]])
tensor([[  5.,   6.],
        [  7., 100.]])