pytorch yolov5 focus层
yolov5中focus的定义如下：
从图像上能够更加直观地理解
4 * 4 * 3 变成 2 * 2 * 12
x[..., ::2, ::2]意义如下图
... :表示所有通道（图中为3通道）
::2 :表示第一行开始到最后一行结束，步长为2的所有值（图中第一行，第三行所有值）
::2 :表示第一列开始到最后一列结束，步长为2的所有值（图中第一列，第三列所有值）
最终交集为图中标1的方块（图中红底标出）
torch.cat( )的用法
如果我们有两个tensor是A和B，想把他们拼接在一起，需要如下操作：
C = torch.cat( (A,B),0 ) #按维数0拼接（竖着拼）按行拼接
C = torch.cat( (A,B),1 ) #按维数1拼接（横着拼）按列拼接
yolov5中focus的定义如下：
从图像上能够更加直观地理解
4 * 4 * 3 变成 2 * 2 * 12
x[..., ::2, ::2]意义如下图
... :表示所有通道（图中为3通道）
::2 :表示第一行开始到最后一行结束，步长为2的所有值（图中第一行，第三行所有值）
::2 :表示第一列开始到最后一列结束，步长为2的所有值（图中第一列，第三列所有值）
最终交集为图中标1的方块（图中红底标出）
torch.cat( )的用法
如果我们有两个tensor是A和B，想把他们拼接在一起，需要如下操作：
C = torch.cat( (A,B),0 ) #按维数0拼接（竖着拼）按行拼接
C = torch.cat( (A,B),1 ) #按维数1拼接（横着拼）按列拼接