cuda 核函数 for循环_二、faster-rcnn源码阅读：ROIPool的CUDA编程

ROIPool就是：

根据rois，在featrues上对每个roi（兴趣区域，目标框）maxpool出一个7*7的池化结果。

主控函数：

ROIPool_cuda.cu（来源： https://github.com/facebookresearch/maskrcnn-benchmark）

std::tuple<at::Tensor, at::Tensor> ROIPool_forward_cuda(const at::Tensor& input,
                                const at::Tensor& rois,
                                const float spatial_scale,
                                const int pooled_height,
                                const int pooled_width) {
    
  AT_ASSERTM(input.type().is_cuda(), "input must be a CUDA tensor");
  AT_ASSERTM(rois.type().is_cuda(), "rois must be a CUDA tensor");
//input:从骨干网出来的featrues,典型的shape为（1,512,37,50）这样子，batch=1，
//支持batch>1的源码不多，如果骨干网用的是vgg16的话，channel=512，长宽被输入图片决定，一般都在40~50这样子
//rois:rpn提议的目标框，一般是128（也有取256的），1/4为正样本（32个），3/4为负样本
//spatial_scale=1/16=0.0625(骨干网用vgg16的话)
//pooled_height,pooled_width=7池化后的长宽
  auto num_rois = rois.size(0);//num_rois=128（或256），1/4的正样本，3/4的负样本
  auto channels = input.size(1);//channels =512（vgg16）或1024
  auto height = input.size(2);
  auto width = input.size(3);
//height 、width 大概在40~50那个样子
  auto output = at::empty({
    num_rois, channels, pooled_height, pooled_width}, input.options());
//存放池化结果
//num_rois目标框的个数不变，channels不变，需要的是7*7结果
  auto output_size = num_rois * pooled_height * pooled_width * cha