pytorch学习-1

读faster rcnn的rpn loss计算部分，遇到问题，比如某些函数，找的资料整理在这：

1、tensor.view(-1)

把原先tensor中的数据按照行优先的顺序排成一个一维的数据，然后按照参数组合成其他维度的tensor。参数只能有一个（-1）用做推理。所以view（-1）的输出是1*？。如果要一列数据，有permute函数，将tensor的维度换位。

2、unsqueeze()函数

增加一个维度，squeeze()函数将指定的一维去掉，注意这个去掉的必须是一维（不损失数据，只是降维）

3、ne（）函数

torch.ne(input, other, out=Tensor) -> Tensor:

逐元素比较input和other， 即是否input != other。第二个参数可以为一个数或与第一个参数相同形状和类型的张量。
返回值：一个torch.ByteTensor张量，包含了每个位置的比较结果(如果tensor != other 为True，返回1)。

4、contiguous（）

返回一个内存连续的有相同数据的tensor，如果原tensor内存连续，则返回原tensor；

   contiguous一般与transpose，permute，view搭配使用：使用transpose或permute进行维度变换后，调用contiguous，然后方可使用view对维度进行变形（如：tensor_var.contiguous().view() ）

rpn loss里是：rpn_cls_score = rpn_cls_score_reshape.permute(0, 2, 3, 1).contiguous().view(-1, 2)

5、torch.index_select（）

选择indices的数据

参数说明：index_select(x, 1, indices)

1代表维度1，即列，indices是筛选的索引序号

参考资料：

view和permute

https://blog.csdn.net/york1996/article/details/81949843

https://blog.csdn.net/zkq_1986/article/details/100319146?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

ne（）函数，其他torch函数

https://www.jianshu.com/p/d678c5e44a6b

contiguous

https://zhuanlan.zhihu.com/p/64376950