撰文 | Fengwen, BBuf

本教程触及的代码在：

github.com/Oneflow-Inc…

教程也同样适用于 Ultralytics/YOLOv5，由于 One-YOLOv5 仅仅是换了一个运转时后端罢了，核算逻辑和代码比较 Ultralytics/YOLOv5 没有做任何改变，欢迎 star 。详细信息请看：一个更快的YOLOv5问世，附送全面中文解析教程（mp.weixin.qq.com/s/imTnKQVWc…

1

导言

YOLOv5针对不同巨细（n, s, m, l, x）的网络全体架构都是相同的，只不过会在每个子模块中选用不同的深度和宽度，别离应对yaml文件中的depth_multiple和width_multiple参数。

还需要注意一点，官方除了n, s, m, l, x版别外还有n6, s6, m6, l6, x6，差异在于后者是针对更大分辨率的图片比方1280×1280, 当然结构上也有些差异，前者只会下采样到32倍且选用3个猜测特征层 , 而后者会下采样64倍，选用4个猜测特征层。

本章将以YOLOv5s为例，

从配置文件models/yolov5s.yaml

(github.com/Oneflow-Inc…

源码进行解读。

2

yolov5s.yaml文件内容

nc: 80  # number of classes 数据集中的类别数
depth_multiple: 0.33  # model depth multiple  模型层数因子(用来调整网络的深度)
width_multiple: 0.50  # layer channel multiple 模型通道数因子(用来调整网络的宽度)
# 如何理解这个depth_multiple和width_multiple呢?它决议的是整个模型中的深度（层数）和宽度（通道数）,详细怎么调整的结合后边的backbone代码解释。
anchors: # 表明效果于当时特征图的Anchor巨细为 xxx
# 9个anchor，其间P表明特征图的层级，P3/8该层特征图缩放为1/8,是第3层特征
  - [10,13, 16,30, 33,23]  # P3/8， 表明[10,13],[16,30], [33,23]3个anchor
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32
# YOLOv5s v6.0 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 6, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 3, C3, [1024]],
   [-1, 1, SPPF, [1024, 5]],  # 9
  ]
# YOLOv5s v6.0 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, C3, [512, False]],  # 13
   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, C3, [256, False]],  # 17 (P3/8-small)
   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, C3, [512, False]],  # 20 (P4/16-medium)
   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, C3, [1024, False]],  # 23 (P5/32-large)
   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

3

anchors 解读

YOLOv5 初始化了 9 个 anchors，别离在三个特征图 （feature map）中运用，每个 feature map 的每个 grid cell 都有三个 anchor 进行猜测。分配规则：

• 尺度越大的 feature map 越靠前，相对原图的下采样率越小，感触野越小， 所以相对能够猜测一些尺度比较小的物体(小方针)，分配到的 anchors 越小。

• 尺度越小的 feature map 越靠后，相对原图的下采样率越大，感触野越大， 所以能够猜测一些尺度比较大的物体(大方针)，所以分配到的 anchors 越大。

• 即在小特征图（feature map）上检测大方针，中等巨细的特征图上检测中等方针， 在大特征图上检测小方针。

4

backbone & head 解读

[from, number, module, args] 参数

四个参数的意义别离是：

1. 第一个参数 from ：从哪一层取得输入，-1表明从上一层取得，[-1, 6]表明从上层和第6层两层取得。
2. 第二个参数 number：表明有几个相同的模块，假设为9则表明有9个相同的模块。
3. 第三个参数 module：模块的名称，这些模块写在common.py中。
4. 第四个参数 args：类的初始化参数，用于解析作为 moudle 的传入参数。

下面以第一个模块Conv 为例介绍下common.py中的模块

Conv 模块界说如下:

class Conv(nn.Module):
    # Standard convolution
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True):  # ch_in, ch_out, kernel, stride, padding, groups
        """
        @Pargm c1: 输入通道数
        @Pargm c2: 输出通道数
        @Pargm k : 卷积核巨细(kernel_size)
        @Pargm s : 卷积步长 (stride)
        @Pargm p : 特征图填充宽度 (padding)
        @Pargm g : 控制分组，有必要整除输入的通道数(确保输入的通道能被正确分组)
        """
        super().__init__()
        # https://oneflow.readthedocs.io/en/master/generated/oneflow.nn.Conv2d.html?highlight=Conv
        self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p), groups=g, bias=False)
        self.bn = nn.BatchNorm2d(c2)
        self.act = nn.SiLU() if act is True else (act if isinstance(act, nn.Module) else nn.Identity())
    def forward(self, x):
        return self.act(self.bn(self.conv(x)))
    def forward_fuse(self, x):
        return self.act(self.conv(x))

比方上面把width_multiple设置为了0.5，那么第一个 [64, 6, 2, 2] 就会被解析为 [3,64*0.5=32,6,2,2]，其间第一个 3 为输入channel(由于输入)，32 为输出channel。

关于调整网络巨细的详解说明

在yolo.py(github.com/Oneflow-Inc… 有对yaml 文件的nc,depth_multiple等参数读取，详细代码如下:

anchors, nc, gd, gw = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple']

“width_multiple”参数的效果前面介绍args参数中现已介绍过了，那么”depth_multiple”又是什么效果呢？

在yolo.py(github.com/Oneflow-Inc…

n = n_ = max(round(n * gd), 1) if n > 1 else n  # depth gain 暂时将这段代码当作公式(1)

其间 gd 便是depth_multiple的值，n的值便是backbone中列表的第二个参数：

依据公式(1)很容易看出 gd 影响 n 的巨细，从而影响网络的结构巨细。

后边各层之间的模块数量、卷积核巨细和数量等也都产生了变化，YOLOv5l 与 YOLOv5s 比较较起来练习参数的巨细成倍数增加，

其模型的深度和宽度也会大许多，这就使得 YOLOv5l 的精度值要比 YOLOv5s 好许多，因此在终究推理时的检测精度高，可是模型的推理速度更慢。

所以 YOLOv5 提供了不同的挑选，假设想要寻求推理速度可选用较小一些的模型如 YOLOv5s、YOLOv5m，假设想要寻求精度更高对推理速度要求不高的能够挑选其他两个稍大的模型。

如下面这张图：

yolov5模型复杂度比较图

5

Conv模块解读

网络结构预览

下面是依据yolov5s.yaml

(github.com/Oneflow-Inc…

yolov5s网络全体结构图

1. 详细的网络结构图：oneflow-static.oss-cn-beijing.aliyuncs.com/one-yolo/im… netron.app/ 网站导出的图片(模型导出将在本教程的后续文章单独介绍)。

2. 模块组件右边参数 表明特征图的的形状，比方 在 第 一 层( Conv )输入 图片形状为 [ 3, 640, 640] ,关于这些参数，能够固定一张图片输入到网络并经过yolov5s.yaml(github.com/Oneflow-Inc…

6

yolo.py模块解读

文件地址(github.com/Oneflow-Inc…)

文件首要包括三大部分: Detect类、 Model类和 parse_model 函数

能够经过python models/yolo.py –cfg yolov5s.yaml运转该脚本进行观察

7

parse_model函数解读

def parse_model(d, ch):  # model_dict, input_channels(3)
    """用在下面Model模块中
    解析模型文件(字典方法)，并建立网络结构
    这个函数其实首要做的便是: 更新当时层的args（参数）,核算c2（当时层的输出channel） =>
                          运用当时层的参数建立当时层 =>
                          生成 layers + save
    @Params d: model_dict 模型文件 字典方法 {dict:7}  [yolov5s.yaml](https://github.com/Oneflow-Inc/one-yolov5/blob/main/models/yolov5s.yaml)中的6个元素 + ch
    #Params ch: 记录模型每一层的输出channel 初始ch=[3] 后边会删去
    @return nn.Sequential(*layers): 网络的每一层的层结构
    @return sorted(save): 把一切层结构中from不是-1的值记下 并排序 [4, 6, 10, 14, 17, 20, 23]
    """
    LOGGER.info(f"\n{'':>3}{'from':>18}{'n':>3}{'params':>10}  {'module':<40}{'arguments':<30}")
    # 读取d字典中的anchors和parameters(nc、depth_multiple、width_multiple)
    anchors, nc, gd, gw = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple']
    # na: number of anchors 每一个predict head上的anchor数 = 3
    na = (len(anchors[0]) // 2) if isinstance(anchors, list) else anchors  # number of anchors
    no = na * (nc + 5)  # number of outputs = anchors * (classes + 5) 每一个predict head层的输出channel 
    # 开始建立网络
    # layers: 保存每一层的层结构
    # save: 记录下一切层结构中from中不是-1的层结构序号
    # c2: 保存当时层的输出channel
    layers, save, c2 = [], [], ch[-1]  # layers, savelist, ch out
    # enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环傍边。
    for i, (f, n, m, args) in enumerate(d['backbone'] + d['head']):  # from, number, module, args
        m = eval(m) if isinstance(m, str) else m  # eval strings
        for j, a in enumerate(args):
            # args是一个列表，这一步把列表中的内容取出来
            with contextlib.suppress(NameError):
                args[j] = eval(a) if isinstance(a, str) else a  # eval strings
        # 将深度与深度因子相乘，核算层深度。深度最小为1. 
        n = n_ = max(round(n * gd), 1) if n > 1 else n  # depth gain
        # 假设当时的模块m在本项目界说的模块类型中，就能够处理这个模块
        if m in (Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,
                 BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, nn.ConvTranspose2d, DWConvTranspose2d, C3x):
            # c1: 输入通道数 c2：输出通道数
            c1, c2 = ch[f], args[0] 
            # 该层不是终究一层，则将通道数乘以宽度因子 也便是说，宽度因子效果于除了终究一层之外的一切层
            if c2 != no:  # if not output
                # make_divisible的效果，使得原始的通道数乘以宽度因子之后取整到8的倍数，这样处理一般是让模型的并行性和推理性能更好。
                c2 = make_divisible(c2 * gw, 8)
            # 将前面的运算成果保存在args中，它也便是这个模块终究的输入参数。
            args = [c1, c2, *args[1:]] 
            # 依据每层网络参数的不同，别离处理参数 详细各个类的参数是什么请参阅它们的__init__方法这儿不再详细解释了
            if m in [BottleneckCSP, C3, C3TR, C3Ghost, C3x]:
                # 这儿的意思便是重复n次，比方conv这个模块重复n次，这个n 是上面算出来的 depth 
                args.insert(2, n)  # number of repeats
                n = 1
        elif m is nn.BatchNorm2d:
            args = [ch[f]]
        elif m is Concat:
            c2 = sum(ch[x] for x in f)
        elif m is Detect:
            args.append([ch[x] for x in f])
            if isinstance(args[1], int):  # number of anchors
                args[1] = [list(range(args[1] * 2))] * len(f)
        elif m is Contract:
            c2 = ch[f] * args[0] ** 2
        elif m is Expand:
            c2 = ch[f] // args[0] ** 2
        else:
            c2 = ch[f]
        # 构建整个网络模块 这儿便是依据模块的重复次数n以及模块本身和它的参数来构建这个模块和参数对应的Module
        m_ = nn.Sequential(*(m(*args) for _ in range(n))) if n > 1 else m(*args)  # module
        # 获取模块(module type)详细名例如 models.common.Conv , models.common.C3 , models.common.SPPF 等。
        t = str(m)[8:-2].replace('__main__.', '')  #  replace函数效果是字符串"__main__"替换为''，在当时项目没有用到这个替换。
        np = sum(x.numel() for x in m_.parameters())  # number params
        m_.i, m_.f, m_.type, m_.np = i, f, t, np  # attach index, 'from' index, type, number params
        LOGGER.info(f'{i:>3}{str(f):>18}{n_:>3}{np:10.0f}  {t:<40}{str(args):<30}')  # print
        """
        假设x不是-1，则将其保存在save列表中，表明该层需要保存特征图。
        这儿 x % i 与 x 等价例如在终究一层 : 
        f = [17,20,23] , i = 24 
        y = [ x % i for x in ([f] if isinstance(f, int) else f) if x != -1 ]
        print(y) # [17, 20, 23] 
        # 写成x % i 可能由于：i - 1 = -1 % i (比方 f = [-1]，则 [x % i for x in f] 代表 [11] )
        """
        save.extend(x % i for x in ([f] if isinstance(f, int) else f) if x != -1)  # append to savelist
        layers.append(m_)
        if i == 0: # 假设是初次迭代，则新创立一个ch（由于形参ch在创立第一个网络模块时需要用到，所以创立网络模块之后再初始化ch）
            ch = []
        ch.append(c2)
    # 将一切的层封装为nn.Sequential , 对保存的特征图排序
    return nn.Sequential(*layers), sorted(save) 

8

Model类解读

class Model(nn.Module):
    # YOLOv5 model
    def __init__(self, cfg='[yolov5s.yaml](https://github.com/Oneflow-Inc/one-yolov5/blob/main/models/yolov5s.yaml)', ch=3, nc=None, anchors=None):  # model, input channels, number of classes
        super().__init__()
        # 假设cfg现已是字典，则直接赋值，不然先加载cfg途径的文件为字典并赋值给self.yaml。
        if isinstance(cfg, dict): 
            self.yaml = cfg  # model dict
        else:  # is *.yaml  加载yaml模块
            import yaml  # for flow hub 
            self.yaml_file = Path(cfg).name
            with open(cfg, encoding='ascii', errors='ignore') as f:
                self.yaml = yaml.safe_load(f)  # model dict  从yaml文件中加载出字典
        # Define model
        # ch: 输入通道数。 假设self.yaml有键‘ch’，则将该键对应的值赋给内部变量ch。假设没有‘ch’，则将形参ch赋给内部变量ch
        ch = self.yaml['ch'] = self.yaml.get('ch', ch)  # input channels
        # 假设yaml中的nc和方法形参中的nc不共同，则覆盖yaml中的nc。
        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
        if anchors: # anchors  先验框的配置
            LOGGER.info(f'Overriding model.yaml anchors with anchors={anchors}')
            self.yaml['anchors'] = round(anchors)  # override yaml value
        # 得到模型，以及对应的保存的特征图列表。    
        self.model, self.save = parse_model(deepcopy(self.yaml), ch=[ch])  # model, savelist
        self.names = [str(i) for i in range(self.yaml['nc'])]  # default names 初始化类名列表，默许为[0,1,2...]
        # self.inplace=True  默许True  节约内存
        self.inplace = self.yaml.get('inplace', True)
        # Build strides, anchors  确认步长、步长对应的锚框
        m = self.model[-1]  # Detect()
        if isinstance(m, Detect): # 查验模型的终究一层是Detect模块
            s = 256  # 2x min stride
            m.inplace = self.inplace
            # 核算三个feature map下采样的倍率  [8, 16, 32]
            m.stride = flow.tensor([s / x.shape[-2] for x in self.forward(flow.zeros(1, ch, s, s))])  # forward
            # 检查anchor次序与stride次序是否共同 anchor的次序应该是从小到大，这儿排一下序
            check_anchor_order(m)  # must be in pixel-space (not grid-space)
            # 对应的anchor进行缩放操作，原因：得到anchor在实践的特征图中的方位，由于加载的原始anchor巨细是相对于原图的像素，可是经过卷积池化之后，特征图的长宽变小了。
            m.anchors /= m.stride.view(-1, 1, 1)
            self.stride = m.stride
            self._initialize_biases() # only run once  初始化偏置 
        # Init weights, biases
        # 调用oneflow_utils.py下initialize_weights初始化模型权重
        initialize_weights(self)
        self.info() # 打印模型信息
        LOGGER.info('')
    # 管理前向传达函数
    def forward(self, x, augment=False, profile=False, visualize=False):
        if augment:# 是否在测试时也运用数据增强  Test Time Augmentation(TTA)
            return self._forward_augment(x)  # augmented inference, None
        return self._forward_once(x, profile, visualize)  # single-scale inference, train
    # 带数据增强的前向传达
    def _forward_augment(self, x):
        img_size = x.shape[-2:]  # height, width
        s = [1, 0.83, 0.67]  # scales
        f = [None, 3, None]  # flips (2-ud, 3-lr)
        y = []  # outputs
        for si, fi in zip(s, f):
            xi = scale_img(x.flip(fi) if fi else x, si, gs=int(self.stride.max()))
            yi = self._forward_once(xi)[0]  # forward
            # cv2.imwrite(f'img_{si}.jpg', 255 * xi[0].cpu().numpy().transpose((1, 2, 0))[:, :, ::-1])  # save
            yi = self._descale_pred(yi, fi, si, img_size)
            y.append(yi)
        y = self._clip_augmented(y)  # clip augmented tails
        return flow.cat(y, 1), None  # augmented inference, train
    # 前向传达详细实现
    def _forward_once(self, x, profile=False, visualize=False):
        """
        @params x: 输入图画
        @params profile: True 能够做一些性能评估
        @params feature_vis: True 能够做一些特征可视化
        """
        # y: 存放着self.save=True的每一层的输出，由于后边的特征交融操作要用到这些特征图
        y, dt = [], []  # outputs
        # 前向推理每一层结构   m.i=index   m.f=from   m.type=类名   m.np=number of params
        for m in self.model:
            # if not from previous layer   m.f=当时层的输入来自哪一层的输出  s的m.f都是-1
            if m.f != -1:  # if not from previous layer
                x = y[m.f] if isinstance(m.f, int) else [x if j == -1 else y[j] for j in m.f]  # from earlier layers
            if profile:
                self._profile_one_layer(m, x, dt)
            x = m(x)  # run
            y.append(x if m.i in self.save else None)  # save output
            if visualize:
                feature_visualization(x, m.type, m.i, save_dir=visualize)
        return x
    # 将推理成果恢复到原图图片尺寸(逆操作)
    def _descale_pred(self, p, flips, scale, img_size):
        # de-scale predictions following augmented inference (inverse operation)
        """用在上面的__init__函数上
        将推理成果恢复到原图图片尺寸  Test Time Augmentation(TTA)中用到
         de-scale predictions following augmented inference (inverse operation)
        @params p: 推理成果
        @params flips:
        @params scale:
        @params img_size:
        """
        if self.inplace:
            p[..., :4] /= scale  # de-scale
            if flips == 2:
                p[..., 1] = img_size[0] - p[..., 1]  # de-flip ud
            elif flips == 3:
                p[..., 0] = img_size[1] - p[..., 0]  # de-flip lr
        else:
            x, y, wh = p[..., 0:1] / scale, p[..., 1:2] / scale, p[..., 2:4] / scale  # de-scale
            if flips == 2:
                y = img_size[0] - y  # de-flip ud
            elif flips == 3:
                x = img_size[1] - x  # de-flip lr
            p = flow.cat((x, y, wh, p[..., 4:]), -1)
        return p
    # 这个是TTA的时分对原图片进行裁剪，也是一种数据增强方法，用在TTA测试的时分。
    def _clip_augmented(self, y):
        # Clip YOLOv5 augmented inference tails
        nl = self.model[-1].nl  # number of detection layers (P3-P5)
        g = sum(4 ** x for x in range(nl))  # grid points
        e = 1  # exclude layer count
        i = (y[0].shape[1] // g) * sum(4 ** x for x in range(e))  # indices
        y[0] = y[0][:, :-i]  # large
        i = (y[-1].shape[1] // g) * sum(4 ** (nl - 1 - x) for x in range(e))  # indices
        y[-1] = y[-1][:, i:]  # small
        return y
    # 打印日志信息  前向推理时间
    def _profile_one_layer(self, m, x, dt):
        c = isinstance(m, Detect)  # is final layer, copy input as inplace fix
        o = thop.profile(m, inputs=(x.copy() if c else x,), verbose=False)[0] / 1E9 * 2 if thop else 0  # FLOPs
        t = time_sync()
        for _ in range(10):
            m(x.copy() if c else x)
        dt.append((time_sync() - t) * 100)
        if m == self.model[0]:
            LOGGER.info(f"{'time (ms)':>10s} {'GFLOPs':>10s} {'params':>10s}  module")
        LOGGER.info(f'{dt[-1]:10.2f} {o:10.2f} {m.np:10.0f}  {m.type}')
        if c:
            LOGGER.info(f"{sum(dt):10.2f} {'-':>10s} {'-':>10s}  Total")
    # initialize biases into Detect(), cf is class frequency
    def _initialize_biases(self, cf=None): 
        # https://arxiv.org/abs/1708.02002 section 3.3
        # cf = flow.bincount(flow.tensor(np.concatenate(dataset.labels, 0)[:, 0]).long(), minlength=nc) + 1.
        m = self.model[-1]  # Detect() module
        for mi, s in zip(m.m, m.stride):  # from
            b = mi.bias.view(m.na, -1).detach()  # conv.bias(255) to (3,85)
            b[:, 4] += math.log(8 / (640 / s) ** 2)  # obj (8 objects per 640 image)
            b[:, 5:] += math.log(0.6 / (m.nc - 0.999999)) if cf is None else flow.log(cf / cf.sum())  # cls
            mi.bias = flow.nn.Parameter(b.view(-1), requires_grad=True)
    #  打印模型中终究Detect层的偏置biases信息(也能够任选哪些层biases信息)
    def _print_biases(self):
        """
        打印模型中终究Detect模块里边的卷积层的偏置biases信息(也能够任选哪些层biases信息)
        """
        m = self.model[-1]  # Detect() module
        for mi in m.m:  # from
            b = mi.bias.detach().view(m.na, -1).T  # conv.bias(255) to (3,85)
            LOGGER.info(
                ('%6g Conv2d.bias:' + '%10.3g' * 6) % (mi.weight.shape[1], *b[:5].mean(1).tolist(), b[5:].mean()))
    def _print_weights(self):
        """
        打印模型中Bottleneck层的权重参数weights信息(也能够任选哪些层weights信息)
        """
        for m in self.model.modules():
            if type(m) is Bottleneck:
                LOGGER.info('%10.3g' % (m.w.detach().sigmoid() * 2))  # shortcut weights
    # fuse()是用来进行conv和bn层兼并，为了提速模型推理速度。
    def fuse(self):  # fuse model Conv2d() + BatchNorm2d() layers
        """用在detect.py、val.py
        fuse model Conv2d() + BatchNorm2d() layers
        调用oneflow_utils.py中的fuse_conv_and_bn函数和common.py中Conv模块的fuseforward函数
        """
        LOGGER.info('Fusing layers... ')
        for m in self.model.modules():
            # 假设当时层是卷积层Conv且有bn结构, 那么就调用fuse_conv_and_bn函数讲conv和bn进行交融, 加速推理
            if isinstance(m, (Conv, DWConv)) and hasattr(m, 'bn'):
                m.conv = fuse_conv_and_bn(m.conv, m.bn)  # update conv
                delattr(m, 'bn')  # remove batchnorm  移除bn remove batchnorm
                m.forward = m.forward_fuse  # update forward 更新前向传达 update forward (反向传达不必管, 由于这种推理只用在推理阶段)
        self.info()  # 打印conv+bn交融后的模型信息
        return self
    # 打印模型结构信息 在当时类__init__函数结尾处有调用
    def info(self, verbose=False, img_size=640):  # print model information
        model_info(self, verbose, img_size)
    def _apply(self, fn):
        # Apply to(), cpu(), cuda(), half() to model tensors that are not parameters or registered buffers
        self = super()._apply(fn)
        m = self.model[-1]  # Detect()
        if isinstance(m, Detect):
            m.stride = fn(m.stride)
            m.grid = list(map(fn, m.grid))
            if isinstance(m.anchor_grid, list):
                m.anchor_grid = list(map(fn, m.anchor_grid))
        return self

9

Detect类解读

class Detect(nn.Module):
    """
    Detect模块是用来构建Detect层的，将输入feature map 经过一个卷积操作和公式核算到我们想要的shape, 为后边的核算丢失或许NMS后处理作准备
    """
    stride = None  # strides computed during build
    onnx_dynamic = False  # ONNX export parameter
    export = False  # export mode
    def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
        super().__init__()
        #  nc:分类数量
        self.nc = nc  # number of classes  
        #  no:每个anchor的输出数
        self.no = nc + 5  # number of outputs per anchor
        # nl:猜测层数，此次为3
        self.nl = len(anchors)  # number of detection layers
        #  na:anchors的数量，此次为3
        self.na = len(anchors[0]) // 2  # number of anchors
        #  grid:格子坐标系，左上角为(1,1),右下角为(input.w/stride,input.h/stride)
        self.grid = [flow.zeros(1)] * self.nl  # init grid
        self.anchor_grid = [flow.zeros(1)] * self.nl  # init anchor grid
        # 写入缓存中，并命名为anchors
        self.register_buffer('anchors', flow.tensor(anchors).float().view(self.nl, -1, 2))  # shape(nl,na,2)
        # 将输出经过卷积到 self.no * self.na 的通道，到达全衔接的效果
        self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch)  # output conv
        self.inplace = inplace  # use inplace ops (e.g. slice assignment)
    def forward(self, x):
        z = []  # inference output
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()
            if not self.training:  # inference
                if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
                    # 向前传达时需要将相对坐标转换到grid肯定坐标系中
                    self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)
                y = x[i].sigmoid()
                if self.inplace:
                    y[..., 0:2] = (y[..., 0:2] * 2 + self.grid[i]) * self.stride[i]  # xy
                    y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i]  # wh
                else:  # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953
                    xy, wh, conf = y.split((2, 2, self.nc + 1), 4)  # y.tensor_split((2, 4, 5), 4)  
                    xy = (xy * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = flow.cat((xy, wh, conf), 4)
                z.append(y.view(bs, -1, self.no))
        return x if self.training else (flow.cat(z, 1),) if self.export else (flow.cat(z, 1), x)
    # 相对坐标转换到grid肯定坐标系
    def _make_grid(self, nx=20, ny=20, i=0):
        d = self.anchors[i].device
        t = self.anchors[i].dtype
        shape = 1, self.na, ny, nx, 2  # grid shape
        y, x = flow.arange(ny, device=d, dtype=t), flow.arange(nx, device=d, dtype=t)
        yv, xv = flow.meshgrid(y, x, indexing="ij")
        grid = flow.stack((xv, yv), 2).expand(shape) - 0.5  # add grid offset, i.e. y = 2.0 * x - 0.5
        anchor_grid = (self.anchors[i] * self.stride[i]).view((1, self.na, 1, 1, 2)).expand(shape)
        return grid, anchor_grid

10

附件

表2.1 yolov5s.yaml解析表

(github.com/Oneflow-Inc…)

11

参阅文章

• zhuanlan.zhihu.com/p/436891962…
• zhuanlan.zhihu.com/p/110204563
• www.it610.com/article/155…

欢迎 Star、试用 OneFlow 最新版别： github.com/Oneflow-Inc…