写gradcam时需要得到特征图的梯度给各通道加权，只能用下面这种“笨拙”的方法：

    # resnet50vd的forward过程
    y = model.conv1_1(data)
    y = model.conv1_2(y)
    y = model.conv1_3(y)
    y = model.pool2d_max(y)
    for block in model.block_list:
        y = block(y)
    conv = y # 得到模型最后一个卷积层的特征图
    y = model.pool2d_avg(y)
    y = paddle.reshape(y, shape=[-1, model.pool2d_avg_channels])
    predict = model.out(y) # 得到前向计算的结果