10月27日-题目就要与众不同

1.pytorch查看通道位数和尺寸大小

x.shape   # 尺寸
x.size()  # 形状
x.ndim    # 维数

torch.size[32,3,288,144]
32表示训练集batch_size大小，3是图像通道数，288是图像高度，144是图像宽度，图像尺寸 288*144，维度个数是4。

2.tensorflow的tf.reduce_mean函数

tf.reduce_mean函数的作用是求平均值。第一个参数是一个集合，可以是列表、二维数组和多维数组。第二个参数指定在哪个维度上面求平均值。默认对所有的元素求平均。tf.reduce_mean
比如，下面是对所有元素求平均值：

第二个参数不仅可以是一个数，也可以是一个数字，里面的数字表示指定所有的的轴的方向。
F.avg_pool2d()数据是四维输入
input维度： （batch_size,channels,height,width）
kenerl维度：（二维:表示width的跨度）channel和输入的channle一致，如果数据是三维，则channel为1.(如果只写一个数n，kenerl=(n,n))
stride默认和kenerl一致，这是个二维的，所以在height和width上均和kenerl一致，越界同样丢弃。
跟cnn卷积一致

xx = tf.constant([[[1, 1, 1],
                   [2, 2, 2]],
                  [[3, 3, 3],
                   [4, 4, 4]]])
m3 = tf.reduce_mean(xx, [0, 1]) # [2.5 2.5 2.5]

上面是一个三维数组， xx的shape为（2，2，3），可以想象为三个2x2的二维数组叠加在一起形成一个2x2x3的立体，也就是三个面叠加。现在的axis为[0, 1]，表示对第1和第2轴的方向求平均值, 也就是分别对每一个面求平均。
第一个面为：
[[1, 2],
[3, 4]]
平均值为2.5

第二个面为
[[1, 2],
[3, 4]]
平均值为2.5

第三个面一样

对于四维的数据，channel默认和输入一致

input=torch.randn(10,3,4,4)
m=F.avg_pool2d(input,(4,4))
print(m.size())
 
torch.Size([10, 3, 1, 1])

出现部分数据问题，要记得加入cuda（）

调试过程：
1）debug
2）run看结果
3）print