2022.3.17 debug过程中，一些pytorch函数：

cat函数：是将两个张量（tensor）拼接在一起，cat是concatnate的意思，即拼接，联系在一起。

>>> C=torch.cat((A,B),0)  #按维数0（行）拼接  1就是按列拼接的。这是二维张量一起拼接。

大部分我们要处理的是图像，不同的，具体查。

判断是几维的张量，用数[]这个的个数，四维度就算四个张量

>>> permute函数:这个函数：

outputRs = outputR.permute(0,2,3,1)

把outputR的图像（10，3，96，128）（tensor）转成 （128，96，3）即图像形式

>>>iconsr在basicsr基础上，利用EDVR的pcd模块，先来一个提取处理，之后，跟光流一起给双向传播的output。

所以我看能不能找到一个模块提取特征信息，也直接加到这个双向传播过程中
 

>>>pytorch的张量操作一定要看看去。

>>图像处理的一些基础知识：在神经网络中的，

为了存储图像，计算机要存储三个独立的矩阵（矩阵可以理解成二维数组），这三个矩阵分别与此图像的红色、绿色和蓝色相对应（世界上的所有颜色都可以通过红绿蓝三种颜色调配出来）。如果图像的大小是64 * 64个像素（一个像素就是一个颜色点，一个颜色点由红绿蓝三个值来表示，例如，红绿蓝为255,255,255，那么这个颜色点就是白色），所以3个64 * 64大小的矩阵在计算机中就代表了这张图像，矩阵里面的数值就对应于图像的红绿蓝强度值。

                                    

了更加方便后面的处理，我们一般把上面那3个矩阵转化成1个向量x（向量可以理解成1 * n或n * 1的数组，前者为行向量，后者为列向量，向量也会在后面的文章专门讲解）。那么这个向量x的总维数就是64 * 64 * 3，结果是12288。在人工智能领域中，每一个输入到神经网络的数据都被叫做一个特征，那么上面的这张图像中就有12288个特征。这个12288维的向量也被叫做特征向量。神经网络接收这个特征向量x作为输入，并进行预测，然后给出相应的结果。

具体的二维巻积怎么处理图像数据还不太清晰，三维的就更不用说了。