ここで、アナログデータ処理、最終的に得られるrpn_class_logits、rpn_class、rpn_bboxをrpn_feature_maps。
コードは以下の通りであります：
AS NP numpyのインポート
「」「
中間変数HとW、シミュレーションとほぼ矛盾層間の場合二つの層、4〜8の各
」「」
例えばP3として層＃シミュレーション、
A1 = np.ones（ （3,8,2））＃rpn_class_logits
B1 = np.ones（（3,8,2））＃rpn_class
C1 = np.ones（（3,8,4））＃1 rpn_bboxの
層のため＃シミュレーションなどP4
A2 np.ones =（（3,4,2））＃rpn_class_logits
B2 = np.ones（（3,4,2））#rpn_class
C2 = np.ones（（3,4,4-））#rpn_bbox
layer_outputs = [ ]
'' '
ここで、以下のシミュレーションコード、layer_outputsを得た：
Pためrpn_feature_mapsで：
layer_outputs.append（RPN（[P]））
' ''
D1 = [A1、B1、C1]
D2 = [A2、B2、C2]
layer_outputs.append（D1）
layer_outputs.append（D2）
'' '
出力=リスト（ZIP（* layer_outputs））
' ''
output_names = [ "rpn_class_logits"、 "rpn_class"、 "rpn_bbox"]＃可跳过
出力=リスト（ZIP（* layer_outputs））
プリント（ '出力'、出力
）''」
此处模拟以下代码、最终得到rpn_class_logits、 rpn_class、rpn_bbox值
出力= [KL.Concatenate（軸= 1、名前= N）（リスト（O））Oのために、N ZIPに（出力、output_names）]
''」
rpn_class_logits = np.concatenate（（リスト（出力[0]）[0]、リスト（出力[0]）[1]）、軸= 1）
プリント（ 'rpn_class_logits ='、rpn_class_logits）
rpn_class = np.concatenate（（リスト（出力[1]）[0] 、リスト（出力[1]）[1]）、軸= 1）
プリント（ 'rpn_class ='、rpn_class）
rpn_bbox = np.concatenate（（リスト（出力[2]）[0]、リスト（出力[2] ）[1]）、軸= 1）
プリント（ 'rpn_bbox ='、rpn_bbox）
結果は以下の通りであります：
出力[（配列（[[[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1。 、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]]）、アレイ（[[[1、1]、
[1、1]、
[1、1]、
[1、 1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]]））、（配列（[[[1、1]
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1 。、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]]）、アレイ（[[[1、1]、
[1、1]、
[1、1]、
[1、 1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]]））、（配列（[[[1、1、1 。、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1 。、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、 1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[ 1、1、1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[ 1、1、1、1]]]）、アレイ（[[[1、1、1、1]、
[1、1、1、1]、
[1 。、1、1、1]、
[1、1、1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]]]））]
rpn_class_logits =（配列（[[[1、1]、
[1、1]、
[1、1]、
[1、1]
[1、1]、
[1、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]]）、アレイ（[[[1、1]、
[1、1]、
[1、1]、
[1、 1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]]））
rpn_class =（配列（[[[1、1]
、[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[1、1]、
[ 1、1]、
[1、1]]]）、アレイ（[[[1、1]、
[1、1]、
[1、1]、
[1、 1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]、
[1、1]、
[1、1]、
[1、1]、
[1、1]]]））
rpn_bbox =（配列（[[[1、1、 1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[ 1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1。 、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[ 1、1、1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[ 1、1、1、1]]]）、アレイ（[[[1、1、1、1]、
[1、1、1、1]、
[1 。、1、1、1]、
[1、1、1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、1、1]、
[1、1、 1、1]]]））
rpn_bbox = [[[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]]
[[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]]
[[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]
[1。1. 1. 1]]]