以 512*288 输入为例，网络输出大小 1*64*3024，其中 1 为 batch size，64为超参数reg_max=16 和 bbox 个数 4 的乘积，3024=16*9+32*18+64*36（其中512/32=16,288/32=9）
首先 DFL 卷积是和 0-15 卷积，下面为我的中间打印结果，其中 weight 是 0-15，共 16 个数。网络输出 x 经过一系列变换 view2 变成了 1*16*4*3024，接下来 softmax 是对第一维的 16 个数进行 softmax，也就是每 a*16*b*c 的16个数进行 softmax，结果维数不变。接下来就是卷积了，还是这 16 个数和 weight（0-15）卷积，变1个值了，所以变成了 1*1*4*3024，把第一维去掉，就是1*4*3024 了，4 就是 bbox 的四个值（相对值，后面会处理）。
看一下这四个值是怎么转换到真实坐标的，因为是 anchor-free 的，所以用的是 grid 中心点。 anchors 在后面 dist2bbox 用到了，用来加减上面卷积后的值，计算最终结果，所以我打印了 anchors 看。果真，这 3024 个值是三个输出的由大到小排列，以 anchor3 为例，输出 16*9，x、y是 0.5-8.5 和 0.5-15.5 的组合。其它处理就和yolov5一样（除了没有obj，不需要和类别相乘之外）了，nms。
