1.dict() 创建一个字典={}
2."tiny" in model_arch字符串是否在字符串中
3.img_size=416
yolo3的数据集处理也是一大亮点，由于yolo3对数据集的输入有要求，指定的照片输入大小必须是416，所有对于不满足照片的大小有一系列的操作，如果直接resize操作，将直接损失照片信息，网络在学习分类的过程还要适应照片尺寸的问题，导致训练效果不佳，
在yolo3中是先进行高和宽的调整一样大，在进行上采样的resize，同时要修改label的坐标位置，随机水平翻转，再一次随机变化大小，之后再变化到416的大小尺寸作为输入。
#resize: resize函数的原理是通过插值算法,对已有的像素点进行计算,从而得出新的像素点位置和像素值。
#上采样:
上采样是指将特征图的分辨率还原到原始图片的分辨率大小
1.unpooling(解池化)：在空隙中填充 0
最大池化的相反过程，对应于最大值的地方填写最大值，其他位置补0
2.unsampling 在空隙中填充同样的值
3.deconvolution/transpose convolution(转置卷积)：
对feature maps补0，然后做卷积操作
有参数需要学习