Torchvision

—Stars

PyTorch 官方计算机视觉库，提供主流视觉数据集、预训练模型、图像与视频变换以及高性能算子，是视觉训练和推理工作流中的核心基础设施。

PYTORCH VISION · TENSOR LAYOUT

让 JPEG 变换理解非连续批次

转置改变的是 Tensor 的 stride，不是它作为图像批次的合法性；变换内核应该处理这种布局差异，而不是把约束转嫁给调用方。

TRANSPOSED BATCH

3231616

shape is validstride is non-contiguous

BEFORE.view(-1, C, H, W)RuntimeError内存布局不兼容

AFTER.reshape(-1, C, H, W)6 × 3 × 16 × 16兼容时零复制，必要时物化

JPEG KERNEL

restore original shape[3, 2, 3, H′, W′]

合法输入

`transforms.v2.JPEG` 支持形如 `[..., C, H, W]` 的任意前导批次维度，但内核使用 `view()` 展平批次轴；一旦输入由 transpose 等操作产生非连续布局，合法 Tensor 会在进入 JPEG 编码前直接报错。

算子语义

Tensor 的逻辑形状与底层内存是否连续是两个维度。这里需要的是保持逻辑元素顺序的展平，而不是强制要求调用方先复制；`reshape()` 在布局兼容时仍返回视图，仅在必要时才物化连续副本，正好覆盖这条语义边界。

内核修复

将 JPEG v2 内核的前导维展平从 `view()` 改为 `reshape()`，编码完成后继续恢复原始形状；同时用转置批次轴构造真实的非连续输入，并与其 contiguous 等价输入对照，锁定多前导维场景。

接口结果

非连续批次 Tensor 现在可以直接进入 JPEG 变换，无需用户手动调用 `.contiguous()`；原有连续输入仍沿零额外复制路径执行，接口承诺与 PyTorch 的 Tensor 布局语义重新一致。