非常感謝博主小麥草的技術支持！
----------------------------------------------------------------------------------------------------
1. 合併方式
https://blog.csdn.net/kangdi7547/article/details/81348254，參考博客
使用python-caffe進行合併
參考博客方式轉換類似resnet模型。
因爲conv->bn->scale->prelu這幾層，特徵維度是不變的，所以首先要將這幾層做一個”in-place”操作，即將這幾層的bottom、top改名爲相同的，如下圖：
可視化圖爲：
另外，模型中還有很多的bn+scale層不能合併的，因爲其位於Eltwise後，上面沒有卷積層，這些只能暫時保留。
2. 實驗驗證
結果準確度：經過將實驗圖片進行打印，合併BN層以後的結果輸出和未合併之前的完全一致。
速度提升：
本 地 —— i7，NVIDIA RTX-2060，112*112的人臉圖像，特徵提取時間大概從16ms下降到13ms，即速度提升大概有20%。