非常感谢博主小麦草的技术支持！
----------------------------------------------------------------------------------------------------
1. 合并方式
https://blog.csdn.net/kangdi7547/article/details/81348254，参考博客
使用python-caffe进行合并
参考博客方式转换类似resnet模型。
因为conv->bn->scale->prelu这几层，特征维度是不变的，所以首先要将这几层做一个”in-place”操作，即将这几层的bottom、top改名为相同的，如下图：
可视化图为：
另外，模型中还有很多的bn+scale层不能合并的，因为其位于Eltwise后，上面没有卷积层，这些只能暂时保留。
2. 实验验证
结果准确度：经过将实验图片进行打印，合并BN层以后的结果输出和未合并之前的完全一致。
速度提升：
本 地 —— i7，NVIDIA RTX-2060，112*112的人脸图像，特征提取时间大概从16ms下降到13ms，即速度提升大概有20%。