然后进行reshape，拿一张图片举个例子，图片的shape是（W，H，D=18），然后我们会把他reshape以进行softmax（进行softmax的matrix的一边需要等于num of class，在这里是一个二分类，即是否含有物体，所以是2）。像传统的目标检测算法，通常会使用相同大小的滑块，依次在图片上进行处理，这种做法非常耗时，也对计算机的性能有要求，当我们用遍历的方式去对增幅图片进行

针对计算能力非常有限的移动设备，构建了一种计算效率极高的CNN架构-ShuffleNet新架构引入了分组点卷积和通道重排两个新操作，在保持精度的情况下， 极大减少算力消耗在ImageNet，COCO等数据集上实验验证了ShuffleNet的高效性。

升级网站运行平台部署内存存储服务部署pxc集群解决数据库服务负载问题解决调度器单点故障问题。