由於我自己之前編程很少利用np，這個算一個補習吧。如果想要嘗試理解一個np函數什麼時候用，可以看anchor_target_layer解析裏面的應用。
---------------------
1. np.where(x>4)
返回一個行向量，一個列向量。
所以大多後面加一個[0] np.where(x>4)[0]
---------------------
2.np.meshgrid
類似於座標軸一樣的感覺,所以rpn生成anchor平移的時候，就可以用到座標軸，也就是np.meshgrid。
z,s=np.meshgrid(x,y) z就是x軸，z的每一列就是x軸的平移。s類似
x=np.array([-2,1,0,1]) 4
y=np.array([0,1,2]) 3
z,s=np.meshgrid(x,y) 3*4
列數，行數
>>> z=array([[-2, 1, 0, 1],
[-2, 1, 0, 1],
[-2, 1, 0, 1]])
>>> s= array([[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]])
meshgrid is very useful to evaluate functions on a grid.
>>> x = np.arange(-5, 5, 0.1)
>>> y = np.arange(-5, 5, 0.1)
>>> xx, yy = np.meshgrid(x, y, sparse=True)
>>> z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)
>>> h = plt.contourf(x,y,z)
---------------------
3. np.ravel( ) vs np.flatten()
相同點都是返回一維度。
np.ravel( ) 返回view(視圖)，共享內存。之前的變了，他也變。更節省！
np.flatten() 返回copy，開闢內存。
---------------------
4. x.reshape( )
注意：返回的是view。
c = a.reshape(1,3)
>>> a = array([[1],[2],[3]])
>>> a[2] = 4
>>> a
array([[1],[2],[4]])
>>> c
array([[1, 2, 4]])
首先看幾個常用的 ：
x.reshape( -1) 變成維度爲1的數組。ndim = (n,)
x.reshape( 1,-1) _>ndim = (1,n) ，-1 可以用到增加維度上。也可以將ndim = (n,)的數組，變成ndim = (1,n) or(n,1)的向量時。
---------------------
5. np.squeeze(a,axis=none) & tensor.squeeze()
首先np中沒有unsqueeze。 squeeze的作用，是把axis軸的維度壓縮，去掉，前提是axis的維度爲 1，如果不是就報錯。
a=array([[[1],[2],[3]]])
a.shape
>>>(1,3,1)
np.squeeze(a,axis=0)
>>>array([[1],[2],[3]])
np.squeeze(a,axis=1)
>>>報錯
np.squeeze(a,axis=2)
array([[1,2,3]])
但是在pytorch中，有unsqueeze，相當於增加維度。squeeze相當於壓縮維度。
tensor.squeeze(0)把第0個軸壓縮，如果維度是1則壓縮，不是不壓縮，也不報錯！
---------------------
6. np.view & tensor.view
np.view是一個視圖，但是在torch中你經常看到x = x.view(x.size(0), -1) 作用是改變維度[n,c,h,w]_>[n,c*h*w]
---------------------
7. np.argmax(a,axis = none) & torch.max(a,1)
np.argmax返回的索引 如果axis=1，二維表示行找最大
torch.max(a,1)[0]返回最大值
torch.max(a,1)[1]返回索引