Created by: qingqing01

数据预处理的operators.py、多线程/进程数据预处理复用原先的，数据解析模块coco, voc等也复用原先的，但接口做了修改，便于在config里配置。

• 主要接口:

class Loader(object):
    def __init__(self,
               dataset=None,
               sample_transforms=None,
               batch_transforms=None,
               batch_size=None,
               fields=None,
               shuffle=False,
               drop_last=False,
               drop_empty=True,
               mixup_epoch=-1,
               class_aware_sampling=False,
               worker_num=-1,
               use_process=False,
               bufsize=100,
               memsize='3G',
               inputs_def=None,
               **kwargs):

多进程/线程 处理内容: sample_transforms-> 组batch -> batch_transforms.

• 使用可以参考 ppdet/data2/tests

• 会删掉data_feed.py，预先定义系列基础的数据预处理yml配置，在模型config里引用。

  用户模型的Config里配置，可以参考configs2里， 可以通过 LOADER 关键字加载一个yml的数据预处理文件

_LOADER_: 'faster_loader.yml'
TrainLoader: # 可更新faster_loader.yml里的内容
  inputs_def:
    image_shape: [3,800,800]
    fields: ['image', 'im_info', 'im_id', 'gt_bbox', 'gt_class', 'is_crowd']
  batch_size: 3

• 删掉model_inputs.py，模型architecture里增加build_inputs接口:

    def _inputs_def(self, image_shape):
        im_shape = [None] + image_shape
        # yapf: disable
        inputs_def = {
            'image':    {'shape': im_shape,  'dtype': 'float32', 'lod_level': 0},
            'im_info':  {'shape': [None, 3], 'dtype': 'float32', 'lod_level': 0},
            'im_id':    {'shape': [None, 1], 'dtype': 'int32',   'lod_level': 0},
            'gt_bbox':   {'shape': [None, 4], 'dtype': 'float32', 'lod_level': 1},
            'gt_class': {'shape': [None, 1], 'dtype': 'int32',   'lod_level': 1},
            'is_crowd': {'shape': [None, 1], 'dtype': 'int32',   'lod_level': 1},
        }
        # yapf: enable
        return inputs_def

    def build_inputs(
            self,
            image_shape=[3, None, None],
            fields=[
                'image', 'im_info', 'im_id', 'gt_bbox', 'gt_class', 'is_crowd'
            ],  # for train
            use_dataloader=True,
            iterable=False):
        inputs_def = self._inputs_def(image_shape)
        feed_vars = OrderedDict([(key, fluid.layers.data(
            name=key,
            shape=inputs_def[key]['shape'],
            dtype=inputs_def[key]['dtype'],
            lod_level=inputs_def[key]['lod_level'])) for key in fields])
        loader = fluid.io.DataLoader.from_generator(
            feed_list=list(feed_vars.values()),
            capacity=64,
            use_double_buffer=True,
            iterable=iterable) if use_dataloader else None
        return feed_vars, loader