bilinear cnn中的计算

在看bilinear cnn论文时，文章中描述经过两个网络分别得到的两个特征图，假设形状均为3×5×5，对两个特征图相同位置的3×1的特征向量作外积，得到3×3的矩阵，而特征图有5×5=25个位置，因此有25个这样的3×3矩阵，之后采用sum_pooling，也就是25个矩阵对应位置相加，最终得到的矩阵打为一维，后经过有符号的开根号、L2 normalization进行SVM判断。具体计算如下所示：

此计算的效果等同于将两个3×5×5的特征图转为3×25的特征图，之后两个3×25的特征图作外积，得到的效果与上面的效果相同。
代码如下：

import torch

if __name__=="__main__":
    x = torch.randn((