区别：
batched_nms（）：
根据每个类别进行过滤，只对同一种类别进行计算IOU和阈值过滤。
nms（）：
不区分类别对所有bbox进行过滤。如果有不同类别的bbox重叠的话会导致被过滤掉并不会分开计算。
Torchvision.ops.nms()：
参数：
boxes: Tensor, 预测框
scores: Tensor, 预测置信度
iou_threshold: float, IOU阈值Torchvision.ops.batched_nms()：
参数：
boxes: Tensor, 预测框
scores: Tensor, 预测置信度
idxs: Tensor, 预测框类别
iou_threshold: float, IOU阈值代码测试：
import torchvision.ops as ops
import torchb = torch.Tensor([[2,2,4,4], [1,1,5,5], [3,3,3.5,3.9]]) # bbox
c = torch.Tensor([0,1,0]) # classes
s = torch.Tensor([0.8,0.8,0.8]) # scoresops.batched_nms(b, s, c, 0.001)
#运行结果 tensor([1, 2])
#[1,1,5,5], [3,3,3.5,3.9] bbox实际上是有包含关系的，但是类别不一样ops.nms(b, s, 0.001)
# 运行结果 tensor([0])
# 可以看到 [1,1,5,5] 类别为1 但是被过滤掉了，只留下0号类别的[2,2,4,4]