动态申请内存的影响，前两节已经介绍过了，细心的朋友可能会发现，在使用 C++实现的 resnet50 代码中，还存在一处动态申请内存的操作。

那就是对于每一层的输入或输出 feature map 数据进行内存申请，比如在 3rd_preload/ops/conv2d.cc 文件中，卷积的计算中存在对于输出 feature map 的 malloc 行为。

本节就使用一种全局内存复用的方法，来将每一层动态分配内存的操作删除掉，从而使得整个推理模型中，不存在任何动态申请内存的操作。

优化

由于 feature map 的数据有一个特点，那就是上一层的输出是会连接到下一层作为输入。

因此对于一个计算（比如卷积计算）而言，至少要存在两块内存，一个放输入 feature map, 一个放输出 feature map。

而 resnet50 中还存在残差连接，在残差的结构（如下图）中，高速公路的原始输入是会一直驻留，等待左侧F(x) 计算完成，然后与输出进行相加的。