基于pytorch将不同尺寸特征图按通道维度拼接在一起的代码，附中文注释

下面是基于PyTorch将不同尺寸特征图按通道维度拼接在一起的代码，包含中文注释：

import torch

def concat_features(features_list):
    """
    将不同尺寸特征图按通道维度拼接在一起
    :param features_list: 特征图列表，每个元素是形状为[B, C, H, W]的特征图
    :return: 拼接后的特征图，形状为[B, C_total, H_max, W_max]
    """
    # 获取特征图数量
    num_features = len(features_list)
    # 获取每个特征图的形状
    shapes = [f.shape for f in features_list]
    # 获取每个特征图的通道数
    channels = [shape[1] for shape in shapes]
    # 获取最大的高度和宽度
    h_max, w_max = max([shape[2] for shape in shapes]), max([shape[3] for shape in shapes])
    # 初始化拼接后的特征图
    concat_feature = torch.zeros((shapes[0][0], sum(channels), h_max, w_max)).to(features_list[0].device)
    # 遍历特征图列表，将每个特征图按通道维度拼接到拼接后的特征图中
    c_start = 0
    for i in range(num_features):
        b, c, h, w = shapes[i]
        concat_feature[:, c_start:c_start+c, :h, :w] = features_list[i]
        c_start += c
    return concat_feature

使用方法：

# 假设有两个特征图 feature1 和 feature2，它们的形状分别为 [B, C1, H1, W1] 和 [B, C2, H2, W2]
features_list = [feature1, feature2]
# 将不同尺寸特征图按通道维度拼接在一起
concat_feature = concat_features(features_list)
# 拼接后的特征图形状为 [B, C1+C2, max(H1, H2), max(W1, W2)]