Charades网络架构部分代码阅读

1 torch.arange

(0, seg_masks.size(1)).type_as(seg_masks).unsqueeze(0).long()

torch.arange(0, seg_masks.size(1))

为表示position，创建0-127的tensor

type_as 将其变成参数的tensor类型
.unsqueeze(0) 在第一维添加一个维度
.long() 转化为longtensor形式

2 tensor.expand(B, nseg, -1)

(100,1,512).expand(100,128,-1)
这个讲的比较清楚

tensor.expand()函数可以将维度值包含 1 的Tensor（如：torch.Size([1, n])或者torch.Size([n, 1])）的维度进行扩展。其具体的扩展规则如下：

1 只能对维度值包含 1 的张量Tensor进行扩展，即：Tensor的size必须满足：torch.Size([1, n]) 或者 torch.Size([n, 1]) 。
2 只能对维度值等于 1 的那个维度进行扩展，无需扩展的维度务必保持维度值不变，或者置为-1，否则，报错。（简言之，只要是单维度均可进行扩展，但是若非单维度会报错。）
3 扩展的Tensor不会分配新的内存，只是原来的基础上创建新的视图并返回；
4 新扩展维度的取值范围为：− 1 以 及 [ 1 , + ∞ ] 区 间 内 的 任 意 整 数 -1以及[1, +∞]区间内的任意整数−1以及[1,+∞]区间内的任意整数，例如：将 torch.Size([1, n]) 扩展为torch.Size([m, n])时，新扩展维度 m 的可能取值为-1，或者 m ≥ 1的任意整数；
5 只能对张量Tensor进行维度扩展，而不能降维；否则，报错。
6 tensor通过.expand()函数扩展某一维度后，tensor自身不会发生变化

注意第3和第6条

>>> a = torch.tensor([[[2,3,4]],[[5,6,7]]])
>>> print(a.size())
torch.Size([2, 1, 3])
>>> a.expand(2,3,-1)
tensor([[[2, 3, 4],
         [2, 3, 4],
         [2, 3, 4]],

        [[5, 6, 7],
         [5, 6, 7],
         [5, 6, 7]]])
>>> print(a)
tensor([[[2, 3, 4]],

        [[5, 6, 7]]])
>>>

可以看到执行expand后，a的视图显示为[2,3,3] (即2，3，-1)，但print输出a/a的size(),仍与expand前没有改变。这是只能在命令行中看到的，如果在spyder中则无法直观的看到。