Tensorpack.MultiProcessPrefetchData改进，实现高效的数据流水线

参考代码：https://github.com/tensorpack/tensorpack/blob/master/tensorpack/dataflow/parallel.py（目前最新版本已经更名为MultiProcessRunner，在最早的版本叫做MultiProcessPrefetchData）

　　Tensorpack的数据流水线有多个，其中一个比较好实现的是MultiProcessRunner这个类，思路很简单，利用multiprocess.Queue队列，启动若干进程向队列push元素，然后在__iter__方法中从队列中拿元素.这个MultiProcessRunner处理方式，也在cifar10_resnet中被使用：https://github.com/tensorpack/tensorpack/blob/master/examples/ResNet/cifar10-resnet.py。但是假若图片的尺寸变大（cifar10尺寸是32*32，一个batch取128，图像总的数据量为：128*32*32*3*4bytes=1.5M，imagenet数据大小为224，batch取32的话，数据量为：32*224*224*3*4bytes=18.375M）受限于python多进程队列的实现方式（pipeline），取数据会变得非常慢，从0.02ms变为大概20几ms（通常数据越大网络运行一次的时间越大，相比之下获取数据的时间就基本上可以忽略不计）.Tensorpack中imagenet的例子使用的MultiProcessRunnerZMQ，使用ZMQ替换Queue实现跨进程传输.

　　其实只需要在MultiProcessRunner的基础上稍加改进，就能实现同样0.2ms的数据流水线功能，参考代码：https://github.com/WeiTang114/FMQ，即fast MultiProcess.Queue，原理也很简单：利用python的Queue模块，这个队列不同于multiprocess.Queue，属于本地队列，不用跨进程传输。因此即使是取很大的数据，时间也很短.所以可以再开一个队列和线程，不断的从进程队列中拿元素然后再放入本地队列中，__iter__中直接从本地队列拿元素.

　　这里有两个问题：

　　1.处理数据的进程和线程都是死循环，如果不做处理，那么主进程退出后会发现程序没有正常退出。进程的退出可以使用atexit.register，参考：https://github.com/tensorpack/tensorpack/blob/master/tensorpack/utils/concurrency.py中的ensure_proc_terminate函数，线程的退出参考：https://www.jianshu.com/p/7b6a80faf33f方案一

　　2.经过实测，发现在image augment时，如果处理速度过慢，也会影响主进程取数据的速度，比如flower5数据集在图像像素减去均值的时候，如果用np处理，就比较慢，参考：https://stackoverflow.com/questions/57684412/why-np-subtracta-100-and-np-subtracta-100-100-100-has-different-performan（貌似没人答复)，但是针对这个问题找到了一个解决方法，就是先分离通道split，单个通道做减法，然后再merge，速度会稍微快一些.这里还有一点要注意，cv2.imread读取彩色图像的通道顺序是bgr.