# utils

Python API: `luxonis_train.nodes.blocks.utils`

构建块的辅助函数：保持卷积大小的填充、块工厂的类型以及收集中间输出的前向传播。

## 类

### ModuleFactory

一个可调用对象的类型，它根据通道数构建一个块。

匹配的可调用对象接受 `in_channels` 和 `out_channels` 并返回一个 `torch.nn.Module`。像
[GeneralReparameterizableBlock](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/blocks/blocks.md)
这样的块类匹配。[BottleRep](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/blocks/blocks.md)
使用关键字参数调用其工厂。

## 函数

### autopad

```python
def autopad(kernel_size: T, padding: T | None = None) -> T:
```

计算保持卷积大小的填充。

填充是内核大小的一半，向下取整。它在奇数内核大小、步长为 `1` 和膨胀为 `1` 的情况下保持大小。

> **示例**
> ```pycon
>>> from luxonis_train.nodes.blocks import autopad
>>> autopad(3)
1
>>> autopad((3, 5))
(1, 2)
>>> autopad(3, padding=0)
0
```

参数

 * `kernel_size` (`T`): 内核大小，一个值或每个轴一个值。
 * `padding` (`T | None`): 显式填充。`None` 选择计算出的填充。

返回

 * `T`: 当 `padding` 不为 `None` 时为 `padding`。否则为每个值的 `kernel_size // 2`，类型与 `kernel_size` 相同。

### forward_gather

```python
def forward_gather(x: Tensor, modules: Iterable[nn.Module]) -> list[Tensor]:
```

按顺序运行模块并收集每个模块的输出。

每个模块都接收前一个模块的输出。第一个模块接收 `x`。

> **示例**
> ```pycon
>>> import torch
>>> from torch import nn
>>> from luxonis_train.nodes.blocks.utils import forward_gather
>>> pools = [nn.MaxPool2d(2), nn.MaxPool2d(2)]
>>> outputs = forward_gather(torch.zeros(1, 1, 8, 8), pools)
>>> [tuple(output.shape) for output in outputs]
[(1, 1, 4, 4), (1, 1, 2, 2)]
```

参数

 * `x` (`Tensor`): 第一个模块的输入。
 * `modules` (`Iterable[nn.Module]`): 模块，按运行顺序排列。

返回

 * `list[Tensor]`: 每个模块的输出，按相同顺序排列。列表不包含 `x`。

## 属性

### T
