李沐《动手学深度学习》锚框

w = torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),
                   sizes[0] * torch.sqrt(ratio_tensor[1:])))\
                   * in_height / in_width  # 处理矩形输入
h = torch.cat((size_tensor / torch.sqrt(ratio_tensor[0]),
                   sizes[0] / torch.sqrt(ratio_tensor[1:])))

    在这里* in_height / in_width很多人不理解（包括我），经过看其他人的评论和自己测试后我发现，是因为文章中的公式有误，导致大家推导代码感觉没有逻辑性。

   缩放比s应该为,宽高比r应该为（所以这里的宽高比不是锚框的宽高比，而是锚框的宽高比与原图的宽高比的比值）。

  下面给出公式推导过程：

  由得到：

，

  对得到的宽高归一化得到：

，

  把w和h带到中计算得到 ：

，

  结合w0、h0、s就能得到：

 ,

因为w0和h0是归一化过的，再乘以原图宽高就得到文章中计算宽高的公式：

,

  把上面推导过程捋清楚后，这里就不能理解* in_height / in_width，是为了与原图等比例缩放,也就是说当r=1时,使得，锚框与原图同形，而不是确定锚框为正方形。对于这一点，只要知道，就很好理解了。

  在代码中的测试也验证了我的想法。

img = d2l.plt.imread('../img/catdog.jpg')
h, w = img.shape[:2]

print(h, w)
X = torch.rand(size=(1, 3, h, w))
Y = multibox_prior(X, sizes=[0.75, 0.5, 0.25], ratios=[1, 2, 0.5])
Y.shape

178 234

# 除以2来获得半高和半宽
anchor_manipulations = torch.stack((-w, -h, w, h)).T.repeat(
                                        in_height * in_width, 1) / 2

# 每个中心点都将有“boxes_per_pixel”个锚框，
# 所以生成含所有锚框中心的网格，重复了“boxes_per_pixel”次
out_grid = torch.stack([shift_x, shift_y, shift_x, shift_y],
                dim=1).repeat_interleave(boxes_per_pixel, dim=0)
print(anchor_manipulations[0])
print(out_grid[0])
output = out_grid + anchor_manipulations
print(output[0])

tensor([-0.29, -0.38,  0.29,  0.38])#锚框的半宽与半高
tensor([0.00, 0.00, 0.00, 0.00])#中心坐标
tensor([-0.28, -0.37,  0.29,  0.38])#左上角坐标和右下角坐标
torch.Size([1, 208260, 4])#总锚框数量

torch.set_printoptions(2)  # 精简输出精度
#在原文第一个代码块设置了精度为小数点后2位
#0.29/0.38与178/234不完全相等是因为数字精度

  所以其实这里代码是没问题的，因为文章中对两个参数的描述不清晰，导致大家不理解。