yolov5模型结构与构建原理

学习视频：【手把手带你实战YOLOv5-进阶篇】YOLOv5 模型结构与构建原理_哔哩哔哩_bilibili

1、models/yolov5*.yaml 模型结构配置文件

nc：最终分类类别（用的coco数据集，默认80，可以不修改会自动匹配）

depth_multiple：重复次数×模型深度因子后四舍五入后与1去最大值

width_multiple：原始输出通道数×模型宽度因子后取相差最小的8的倍数

[from, number, module, args]

from：当前层输入从哪来（-1：上一层）

number：当前层重复次数

model：使用的模块名称（Conv：卷积层）

args：模块参数；（Conv:[输出通道数、卷积核大小、步幅、填充]

                                C3：[输出通道数、是否使用残差链接]）

                                SPPF：[输入通道数、池化核大小]

                                nn.Upsample：[输入通道数、缩放因子、上采样方式]

                                Concat：[拼接维度]

 # 0-P1/2

# 当前网络层编号-金字塔网络中层数/图片大小缩小的倍数

# 17 (P3/8-small)

# 当前网络层编号 (金字塔网络中层数/下采样倍数-检测目标大小)

# (small：小目标；medium：中等目标；large：大目标)

 2、model/yolo.py 网络结构传参细节 

类别自动更新：

if nc and nc != self.yaml['nc']:
    LOGGER.info(f"Overriding model.yaml nc={self.yaml['nc']} with nc={nc}")
    self.yaml['nc'] = nc  # override yaml value

添加自定义模块： 
ch[f]：上一层输入

args：模型文件中 [from, number, module, args] 的args

# 设定模块时，c2必须单独设置，在parse_model中，c2用来记录输出维度，存入ch中。

当自定义模块中，如果存在输入输出维度时，要使用gw调整输入输出维度。
 

if c2 != no:  # if not output
    c2 = make_divisible(c2 * gw, 8)