今天尝试着想实现了多尺度，终于发现了pytorch的好处。
一开始还吐槽为什么pytorch没有像tensorflow一样提供GAP和GMP这种最基本的层，才发现有AdaptiveAvgPool2d和AdaptiveMaxPool2d这种功能更加强大的层。
首先，用如下方式可以实现GAP或GMP
其次，SPP也可以用类似的方式实现，如下代码相当于spp的2,3,4
以后，拼接下隐层特征就行
代码有点丑，太长了，不知道是不是写的不正规，flatten层前写了一堆代码。GSM是N年前费好大劲想出的创新点，没想到pytorch实现起来如此简单。
改造完毕后，发现有点用，比flatten得到的结果好，原生LeNet 的结果96.xx%，有一点提升。GMS层=传递特征+显著特征+细节特征的拼接。其他经典神经网络就不一一对比了。