utils.py 文件的理解：一些小脚本文件

utils.py 文件的理解：一些小脚本文件

1. 包含的函数

1.1. def to_cpu(tensor):

1. 代码如下：

def to_cpu(tensor):  # 张量 转移到 cpu
    return tensor.detach().cpu()  # .detach() 创建成一个没有梯度的tensor, 如果想要保留梯度就使用tensor.clone()

2. 理解如下：
   输入GPU上的 tensor ,
   返回GPU上的 tensor

1.2. def load_classes(path): 加载数据集的类别

1. 代码如下：

def load_classes(path):  # 读取路径中文件成 列表 data/coco.names
    """
    Loads class labels at 'path'
    """
    fp = open(path, "r")
    names = fp.read().split("\n")[:-1]  # 读取coco数据集的名称，按行读取，每次只取每一行的最后一个
    return names  # 返回的是 coco name 类别名称的列表 list

2. 理解如下：
   输入：包含数据集名称的文件路径，如：data/coco.names
   data/coco.names 的内容(打开像一个文本文档)如下：

person
bicycle
car
…… # 一共80行，coco 数据集有80类别

输出：

['person', 'bicycle', 'car', 'motorbike', ……]

1.3. def weights_init_normal(m): 权重初始化

1. 代码如下：

def weights_init_normal(m):  # 自定义初始化权重的函数
    # m 是网络中的（每）一个submodule（子模块），这weights_init_normal函数被调用来初始化模型中每一个子模块的参数。
    # model.apply（fn） 的作用是 将 fn function to be applied to each submodule
    classname = m.__class__.__name__
    if classname.find("Conv") != -1:  # 这里等于 -1 表示，
        torch.nn.init.normal_(m.weight.data, 0.0, 0.02)  # 将正太分布N(0, 0.2)生成的值赋值给 m.weight.data 中的每个元素
    elif classname.find("BatchNorm2d") != -1:
        torch.nn.init.normal_(m.weight.data, 1.0, 0.02)
        torch.nn.init.constant_(m.bias.data, 0.0)  # 将 0 赋值给 m.bias.data

3. 理解如下：

这里定义的这个 weights_init_normal 函数会作为 model.apply（fn）的输入fn。即 fn 是函数weights_init_normal。

函数在 train.py 中被使用，使用如下：

model.apply(weights_init_normal)   # train.py 中模型初始化参数

model 的 apply 函数是torch中 Module(object) 类中的一个标准函数。
torch 中 model.apply 定义如下：

class Module(object):
	def apply(self, fn):
	    for module in self.children():
	        module.apply(fn)  # 这是一个递归
		fn(self)  # 这里的fn 就是 我们定义的 def weights_init_normal(m) 初始化权重函数
		return self

这里还要写一个文档来理解 self.children 的使用方法.

1.4. def rescale_boxes(boxes, current_dim, original_shape): 将相对网络输入的box转化成原始图片的box

1. 代码如下:

def rescale_boxes(boxes, current_dim, original_shape):  # 将相对网络输入的box转化成原始图片的box。
    """ Rescales bounding boxes to the original shape
    现在的 boxes: 是输入神经网络中的图片的 boxes， 不是原始图片的 boxes ，所以需要将 boxes 转换成原始图片的 boxes。
    current_dim: 通常是 416
    original_shape: coco数据集中的原始图片的 shape 各不相同
    """
    orig_h, orig_w = original_shape
    # The amount of padding that was added
    pad_x = max(orig_h - orig_w, 0) * (current_dim / max(original_shape))  # 水平上 左右 pad 的和
    pad_y = max(orig_w - orig_h, 0) * (current_dim / max(original_shape))  # 垂直上 上下 pad 的和
    # Image height and width after padding is removed
    unpad_h = current_dim - pad_y
    unpad_w = current_dim - pad_x
    # Rescale bounding boxes to dimension of original image
    boxes[:, 0] = ((boxes[:, 0] - pad_x // 2) / unpad_w) * orig_w
    boxes[:, 1]