yolo.py代码精读

在阅读代码过程中碰到的一些小问题，大家可以查阅目录找找有没有自己需要的地方，分为parse_model和class Detect两部分，不要细看写的很乱。

1.parse_model函数，读入模型yaml中的参数定义

self.model, self.save = parse_model(deepcopy(self.yaml), ch=[ch])  # model, savelist

1.1 ch的含义

input channels

 第一列，即全是-1的这一列，代表输入层，如果是-1就代表是上一层。而Focus这一列是模块的名字，卷积核个数后面分别是卷积核尺寸和降采样尺寸。

m = eval(m) if isinstance(m, str) else m

eval()函数的解释在下面（4）中 

1.2 layers, save, c2 = [ ], [ ], ch[-1]

• layers是用来放模型的积木的，在循环中逐渐把yaml里面的积木读取到里面去
•  ch的解释在下面1.4 中

 1.3 for i, (f, n, m, args) in enumerate( d['backbone'] + d['head'] ) :

 

•  from：输入层，-1代表上一层
• number：卷积层的数量，后面有利用这个n和gd去算不同大小模型对应卷积层数量n = n_ = max(round(n * gd), 1) if n > 1 else n    （在下面n的地方有介绍）

n = n_ = max(round(n * gd), 1) if n > 1 else n

1.4 eval（）函数

在全局变量和局部变量的上下文中计算给定的源。m是module

        for j, a in enumerate(args):
            try:
                args[j] = eval(a) if isinstance(a, str) else a  # eval strings
            except NameError:
                pass

上面这些是解析args里面的str ，j是序号，a获取args中的数据，eval strings 

像这种：

比如backbone