NMS：
方法1：纯python语言实现：简介方便、速度慢
方法2：直接利用Cython模块编译
方法3：先将全部变量定义为静态类型，再利用Cython模块编译
方法4：在方法3的基础上再加入cuda加速模块， 再利用Cython模块编译，即利用gpu加速
ref：https://www.cnblogs.com/king-lps/p/9031568.html
roi pooling（以pytorch框架为例）：
Faster-RCNN论文中在RoI-Head网络中，将128个RoI区域对应的feature map进行截取，而后利用RoI pooling层输出7*7大小的feature map。在pytorch中可以利用：
- torch.nn.functional.adaptive_max_pool2d(input, output_size, return_indices=False)
-
torch.nn.AdaptiveMaxPool2d(output_size, return_indices=False)
这个函数很方便调用，但是这个实现有个缺点，就是慢。
所以有许多其他不同的实现方式，借鉴其他人的实现方法，这里借鉴github做一个更加丰富对比实验。总共有4种方法：
方法1. 利用cffi进行C扩展实现,然后利用Pytorch调用：需要单独的 C 和 CUDA 源文件，还需要事先进行编译，不但过程比较繁琐，代码结构也稍显凌乱。对于一些简单的 CUDA 扩展（代码量不大，没有复杂的库依赖），显得不够友好。
方法2.利用Cupy实现在线编译，直接为 pytorch 提供 CUDA 扩展（当然，也可以是纯 C 的扩展）。Cupy实现了在cuda上兼容numpy格式的多维数组。GPU加速的矩阵运算，而Numpy并没有利用GPU。Cupy目前已脱离chainer成为一个独立的库。
方法3.利用chainer实现，相较其他深度学习框架来说，chainer知名度不够高，但是是一款非常优秀的深度学习框架，纯python实现，设计思想简洁，语法简单。chainer中的GPU加速也是通过Cupy实现的。此外，chainer还有其他附加包，例如ChainerCV，其中便有对Faster-RCNN、SSD等网络的实现。
方法4.利用Pytorch实现，也就是文章伊始给出的两个函数。
从方法1至方法4，实现过程越来越简单，所以速度越来越慢。