官方文档：https://pytorch.org/docs/stable/generated/torch.Tensor.contiguous.html
其描述contiguous为：

Returns a contiguous in memory tensor containing the same data as self tensor. If self tensor is already in the specified memory format, this function returns the self tensor.

用大白话讲：将张量在内存上调整为连续。
内存上连续的张量：

内存上不连续的张量：

我们随便初始化的张量一开始都是连续张量，后来在计算中为了加速和节省存储，我们只会操作张量的索引，比如常见的narrow(), view(), expand() 和 transpose()等。这样就会产生在内存上不连续，或者索引值顺序乱序的情况。这样，就需要contiguous()来调整一下。

import torch

t = torch.tensor([[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]])
print(t.is_contiguous())
# True

tt = t.T
print(tt.is_contiguous())
# False

tt_con = tt.contiguous()
print(tt.is_contiguous())
print(tt_con.is_contiguous())
# False
# True

由这个例子，我们可以看出，二维张量转置以后会变得不连续，我们用contiguous做连续化以后并不会覆盖原来的张量，而是重新开辟了一块地址来存储连续的新张量。所以，contiguous只是在存储上做调整，不会改变张量的值。

什么时候该用contiguous呢？答：当系统报错RuntimeError: input is not contiguous的时候。

参考：https://stackoverflow.com/questions/48915810/what-does-contiguous-do-in-pytorch