img.shape[-2:]/len(img.shape[-2:])：GeneralizedRCNN：original_image_sizes中的 torch._assert

——————————————————————————————————————

知识点补充：

img.shape[-2:]

.shape[0]求0维的样本数量，不准确理解即行数；.shape[1]求1维的样本数量，不准确理解即列数；
.shape[-2:]即倒数第二维度至最后一维度，即最后两维度（-2维度，-1维度），img.shape[-2:]即求出来最后两维度的样本数量，在image的tensor形式中，图片以（C,H,W）存储，故后两维度应该为（H,W），即img.shape[-2:]得到（H,W）

len(img.shape[-2:])

len对shape来说是得到维度的数目，即一维得1，二维得2，len(img.shape)得3，len(img.shape[-2:])即得2.

——————————————————————————————————————

 original_image_sizes: List[Tuple[