官方paddle.vision.ops给出的yolo_loss中要给出这几个参数： yolo_loss(x, gt_box, gt_label, anchors, anchor_mask, class_num, ignore_thresh, downsample_ratio, gt_score=None, use_label_smooth=True, name=None, scale_x_y=1.0)

其中对于gt_box，文档中说真实框，应该是[N，B，4]的形状。第三维用来承载x、y、w、h，其中 x, y是真实框的中心坐标，w, h是框的宽度和高度，且x、y、w、h将除以输入图片的尺寸，缩放到[0,1]区间内。 N是batch size，B是图像中所含有的的最多的box数目。

其中有疑问的是B这个参数，每个图像的真实box数目不同，这里取得是batch中所有图像的最大值么？