この二つのコードで 同じ部分で片方だけうまくいきません 違いがわかりません

Question

上側はうまくいくのですが
下側はうまくいきません

上と下で何が違うんですか？
わかる人教えてください
情報が足りなければいってください

pythoch 1.5
python3.7

ここはうまくいく
x = torch.randn(1,256,25,25)
print("aaaaaaa",x.shape)　　　#結果　　　 torch.Size([1, 256, 25, 25])
x=x.view(-1,1).T
print(x.shape)　　　　　　　　#結果　　　　torch.Size([1, 160000])








こっちはうまくいかない

from torch.autograd import Variable
class QNetwork(nn.Module):
    def __init__(self, num_inputs, num_outputs,device):
        super(QNetwork, self).__init__()
        略
        self.cnn4 = nn.ModuleList([
            nn.Conv2d(64, 128, kernel_size=(3,3), padding=1),
            
　　　　　　　略
            nn.Conv2d(256, 256, kernel_size=(3,3), padding=1),
            nn.Conv2d(256, 256, kernel_size=(3,3), padding=1)])
        
        self.free_net=  nn.ModuleList([
            nn.Linear(self.hidden_CNN, self.hidden_size1),
            nn.Linear(self.hidden_size1, self.hidden_size1),
            nn.Linear(self.hidden_size1, self.hidden_size1)])

        
    def forward(self,inputs,net):

　　　　　略

        for conv in self.cnn4:
            x = conv(x)
        x=self.maxpool(x)
        
        print(x.shape)　　　＃結果torch.Size([1, 256, 25, 25])
        x=x.view(-1,1).T
        for conv in self.free_net:
            x = conv(x)

        略


device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(device)
mainQN = QNetwork((3,400,400),2,device).to(device)
optimizer = optim.Adam(mainQN.parameters(), lr=0.001)
mainQN, optimizer = amp.initialize(mainQN, optimizer, opt_level="O1")#--------------

criterion = nn.MSELoss()
mainQN.eval()
print(mainQN.forward(np.random.rand(1,400,400,3),"v_net"))

出ているエラー

上
aaaaaaa torch.Size([1, 256, 25, 25])
torch.Size([1, 160000])
cuda




下
Defaults for this optimization level are:
enabled                : True
opt_level              : O1
cast_model_type        : None
patch_torch_functions  : True
keep_batchnorm_fp32    : None
master_weights         : None
loss_scale             : dynamic
Processing user overrides (additional kwargs that are not None)...
After processing overrides, optimization options are:
enabled                : True
opt_level              : O1
cast_model_type        : None
patch_torch_functions  : True
keep_batchnorm_fp32    : None
master_weights         : None
loss_scale             : dynamic
torch.Size([1, 256, 25, 25])
---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-7-2bc285428330> in <module>
    192 criterion = nn.MSELoss()
    193 mainQN.eval()
--> 194 print(mainQN.forward(np.random.rand(1,400,400,3),"v_net"))

<ipython-input-7-2bc285428330> in forward(self, inputs, net)
    155 
    156         print(x.shape)
--> 157         x=x.view(-1,1).T
    158         for conv in self.free_net:
    159             x = conv(x)

RuntimeError: view size is not compatible with input tensor's size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(...) instead.

Answer 1

コードが抜粋のため下記推測です。

【PyTorch】Tensorを操作する関数（transpose、view、reshape）によると、

ただ、viewは一つだけ注意点があります。

それは、viewでサイズ数を変更するTensorの各要素は、メモリ上でも要素順に並んでいなければならないということです。
例えば、転置したTensorに対してviewでサイズ数を変更したい場合、そのまま実行すると下記のようにエラーになります。
そこで、viewの前にcontiguous()を付ければメモリ上で要素順に並び、上記のエラーを回避できます。

とのことです。
試されてみてはいかがでしょうか？