faster-rcnn的rpn层的shape变换过程

1 假设是一张图片，因此输入的shape = [1,h,w,512]
2 rpn_cls_score 的shape = [1, h,w,18]
然后调用一个自己写的_reshape函数，里面经过了一下维度变换：

• 经过tf.transpose[0, 3, 1, 2] 后shape = [1, 18 , h , w ]
• 经过tf.reshpe（1,2，9h , w）后shape = [1,2，9h , w]
• 再次经过tf.transpose[0,2,3,1]后，shape = [1, 9h,w,2]
  输出的维度 ： rpn_cls_score_reshape 的shape [1, 9h,w,2]
  #能不能直接通过reshape直接到 [1, 9*h,w,2]，

3 调用自己写的_softmax_layer函数：

• 1.记录自己传入的数据维度
• 2 经过tf.reshape 后 shape 变为 [9hw , 2 ]
• 3.使用tf.nn.softmax
• 4 经过tf.reshape后变为 [1, 9h,w,2]
  输出 rpn_cls_prob_reshape 的shape [1, 9h,w,2]

4 调用自己写的_reshape函数将[1, 9*h,w,2]变换为[ 1, h,w 18],过程跟步骤2相同