nn.RNN中参数batch_first设为True后，网络的输出变得内存不连续，is_continuous()为False

在LSTM或RNN中，当把batch_first设为True后，假设输出为output，发现output.view()报错了，于是逐步打印了每个变量的is_contiguous()，发现lstm的输入embeds是内存连续的，经过lstm后变得不连续，问了一下newbing ，个人理解这里出现输入连续而经过lstm后变得不连续的原因应该就是batch_first设为True相当于在LSTM内部对输入数据先转置了一下变成标准的默认的(seq_len,batch_size)型再进行后续运算，因此变得内存不连续了。，解决方法也很简单，要用.view()的时候改成.contiguous().view()或者直接改成.reshape()就好了。