补充知识：pytorch中squeeze()、unsqueeze(),以及一些高维数组操作

在利用torch.max函数和F.Ssoftmax函数时，对应该设置什么维度，总是有点懵，遂总结一下：

说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量

softmax函数的返回结果和输入的tensor有相同的shape，既然没有改变tensor的形状，那么softmax究竟对tensor做了什么？

实例分割一般有两种做法，一种是top-down，既先检测 bbox，后在每个bbox中进行mask的分割，例如Mask R-CNN。第二种为bottom-up做法，先分割出每一个像素，再进行归类。本文介绍的两篇论文另辟蹊径, 直接分割实例 mask，属于box-fr...

其中 ToTensor 操作会将 PIL.Image 或形状为 H×W×D，数值范围为 [0, 255] 的 np.ndarray 转换为形状为 D×H×W，数值范围为 [0.0, 1.0] 的 torch.Tensor。

tf.slice(input_, begin, size, name = None)解释 ：这个函数的作用是从输入数据input中提取出一块切片切片的尺寸是size，切片的开始位置是begin。切片的尺寸size表示输出tensor的数据维度，其中size[i]表示在第i维度上面...

输入参数：● features: 一个Tensor。数据类型必须是：float32，float64，int32，int64，uint8，int16，int8。● name: （可选）为这个操作取一个名字。

函数定义def sigmoid_cross_entropy_with_logits(_sentinel=None, # pylint: disable=invalid-name,labels=None, logits=None,name=None):函数意义这个函数的作用是计算经sigmoid 函数激活之后的交......

此函数功能以及计算方式基本与tf_nn_sigmoid_cross_entropy_with_logits差不多,但是加上了权重的功能,是计算具有权重的sigmoid交叉熵函数