FasterRcnn中的tensor方法resize_()和copy_()

resize_()可以将使用此方法的tensor对象的形状进行改变，和numpy中的reshape函数不同，此方法运行变化后的大小和原来大小不一样，超出部分进行补0

copy_()参数将参数的数值复制到对象中，前提是参数形状要和对象形状一致。

 

通过Variable变量可以有效地在深度学习中进行加速运算。Varable类型的描述见链接https://blog.csdn.net/zhanly19/article/details/99825552

新版本的pytorch中已经将Variable合并到Tensor中，也就是说torch类型的对象变量也可以进行反向传播求导了。

测试代码段

import torch
from torch.autograd import Variable

new_data = torch.randn((3,2))
print(new_data)

data = torch.FloatTensor(1)
print(data)
im_data = Variable(data)

im_data.resize_(new_data.size()).copy_(new_data)
print(im_data)