（13）目标检测_SSD算法中几个奇怪函数的研究

1、一段奇怪函数的研究

        for (x, l, c) in zip(sources, self.loc, self.conf):              
            loc.append(l(x).permute(0, 2, 3, 1).contiguous())
            conf.append(c(x).permute(0, 2, 3, 1).contiguous())

 结论：这段代码的作用是，通过一个不常见的python迭代器函数zip()，将6个卷积层的输出sources[]，经过6个不同的分类器（每个self.loc和self.conf为一对），最后将得的回归和分类结果，并且还reshape了一下。

2、各自的类型

针对上述文章的ssd分类头的研究

（12）目标检测_SSD基于pytorch搭建代码_chencaw的博客-CSDN博客

（1）其中sources和局部变量loc，局部变量conf是list类型，定义为：

2.1 sources的研究

 （1）sources是各个分类头的输出tensor的集合 ，

注意，sources是VGG等卷积层的输出，准备给到6个不同分类器的

其中第1段如下所示：

（2）把它的内容都打出来看看

使用方法：

        print("List 类型sources的大小：",len(sources))
        for i in range(len(sources)):
            print("sources[]",i,sources[i].shape)

显示结果 

 2.2 self.loc和self.conf的内容研究

（1）6个不同分类头的神经网络结构self.loc和self.conf,定义如下所示

 （2）假设分类的num为3，也就是2个目标+背景，总个数为3个。

    net = SSD300(num_classes=3,  backbone_name="vgg",pretrained=False)
    x =torch.rand(1,3,300,300)

测试一下    def forward(self, x):中的self.loc和self.conf

        print("查看 self.loc内容")
        print(self.loc) 
        print("查看 self.conf")
        print(self.conf) 

显示结果如下：

  2.3 for (x, l, c) in zip(sources, self.loc, self.conf)的含义研究

（1）测试代码

        chen_count =0    
        for (x, l, c) in zip(sources, self.loc, self.conf):
            chen_count += 1
            print(chen_count, "输入x的shape：", x.shape)

            ltest = l(x).permute(0, 2, 3, 1).contiguous().detach().numpy()
            ctest = c(x).permute(0, 2, 3, 1).contiguous().detach().numpy()
            print("l(x)处理后的shape ：", ltest.shape) 
            print("c(x)处理后的shape ：", ctest.shape) 

            loc.append(l(x).permute(0, 2, 3, 1).contiguous())
            conf.append(c(x).permute(0, 2, 3, 1).contiguous())

（2）测试结果