SSD算法代码介绍（三）：网络结构参数配置

上一篇博客：SSD算法代码介绍（二）：训练算法整体架构
介绍了几乎所有的训练代码，在训练代码中比较重要的步骤应该就是网络结构的搭建，这也是SSD算法的核心。因此接下来介绍的symbol_factory.py就是网络结构搭建的起始脚本，主要包含网络的一些配置信息。

该脚本主要包含get_config，get_symbol_train，get_symbol三个函数，后面两个函数差不多，可以从get_symbol_train函数开始看，该函数中大部分是检测相关的参数配置，更详细的内容在另一个脚本（symbol_builder.py）中实现。

"""Presets for various network configurations"""
from __future__ import absolute_import
import logging
from . import symbol_builder

# 这个函数就是给指定网络和输入数据尺寸生成一些参数配置
def get_config(network, data_shape, **kwargs):
    """Configuration factory for various networks

    Parameters
    ----------
    network : str
        base network name, such as vgg_reduced, inceptionv3, resnet...
    data_shape : int
        input data dimension
    kwargs : dict
        extra arguments
    """
    if network == 'vgg16_reduced':
        if data_shape >= 448:
    # 和下面else里面的from_layers做对比可以看出，对于输入图像为512*512的情况，需要额外增加5个卷积层，
    # 而如果是300*300（else那部分），则需要额外增加4个卷积层
            from_layers = ['relu4_3', 'relu7', '', '', '', '', ''] 
            num_filters = [512, -1, 512, 256, 256, 256, 256]
            strides = [-1, -1, 2, 2, 2, 2, 1]
            pads = [-1, -1, 1, 1, 1, 1, 1]
            sizes = [[.07, .1025], [.15,.2121], [.3, .3674], [.45, .5196], [.6, .6708], \
                [.75, .8216], [.9, .9721]]
            ratios = [[1,2,.5], [1,2,.5,3,1./3], [1,2,.5,3,1./3], [1,2,.5,3,1./3], \
                [1,2,.5,3,1./3], [1,2,.5], [1,2,.5</