我正在学习深度学习领域中的注意力算子。我了解到，要高效并行计算多个头部注意力，必须对输入Tensor（query、key、value）进行适当整形。假设 query、key 和 value 是形状相同的三个Tensor[N, L, D]，其中

• N 为批量
• L 为序列长度
• D 是隐藏/嵌入大小，

它们应该被转换成[N*N_H, L, D_H]Tensor，其中 N_H 是关注层的头部的数目，并且 D_H 是每个头部的嵌入大小。
pytorch代码似乎就是这样做的。下面我发布了重塑查询Tensor的代码（键、值被同等地视为）

q = q.contiguous().view(tgt_len, bsz * num_heads, head_dim).transpose(0, 1)

我不明白他们为什么同时执行view和transpose调用，而执行

q = q.contiguous().view(bsz * num_heads, tgt_len, head_dim)

除了避免额外的函数调用外，单独使用view还可以保证得到的Tensor在内存中仍然是连续的，而transpose就不一样了（据我所知）。我认为使用连续数据是有益的，只要可能，可以使计算速度更快（可能导致更少的内存访问，更好地利用数据的空间局部性，等等）。
在view之后进行transpose调用的用例是什么？