list转numpy.ndarray tuple作为函数实参

list列表类型转换为numpy.ndarray，

import numpy as np
a=[1,2,3]
b=np.array(a)
print(type(b),b)#<class 'numpy.ndarray'> [1 2 3]

在看Faster R-CNN模型代码时，由于很多函数的输入都包含很多变量，有一个技巧就是在传入函数实参时，将所有的实参当在一个tuple内，然后再写函数形参时，直接只写一个形参，在函数内部对形参进行解析和操作。

def func1(input):

     attribute1=input[0]

     attribute2=input[1]

     attribute3=input[2]

 

import numpy as np
import torch

def func1(input):
    tensor1=input[0]
    tensor2=input[1]
    return (tensor1+tensor2)
if __name__=='__main__':
    tensor1=torch.rand((2,2))
    tensor2=torch.tensor([0,1],dtype=torch.float32)
    '''
    希望实现的效果是将tensor1的第一列不变，第二列元素加1 
    这里应用了torch.tensor的broadcast机制
    '''
    summation=func1((tensor1,tensor2))
    print(summation-tensor1)
    '''
    tensor([[0., 1.],
        [0., 1.]])
    '''