import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable

#探究屬性S，B是如何產生的，以及box1、box2是如何產生的、如何調用
class yoloLoss(nn.Module):
    def __init__(self,S,B):
        self.S=S
        self.B=B
    def compute_iot(self,box1,box2):
        N = box1.size(0)  #調用方式就表示了變量是什么類型，這里是一個張量，其中每個元素是一個tensor，所以是N*4的張量
        M = box2.size(0)
        print(M,N)

yoloLoss1 =yoloLoss(10, 11)
yoloLoss1.compute_iot(torch.rand(10,4),torch.rand(11,4))

# 獲得一開始的初始化數值：tensor([[a1,a2,a3]])
nn1=torch.rand(1,3)
print(nn1)
# unsqueeze是解壓的意思，在第i個維度上進行擴展，將其擴展為tensor([[[a1,a2,a3]]])
nn1=nn1.unsqueeze(0)
print("*"*100)
print(nn1)
#利用expand對數據進行擴展
nn1=nn1.expand(1,3,3)
print("*"*100)
print(nn1)