本文參考： https://blog.csdn.net/mary_0830/article/details/107124459?%3E
yolov5 是使用xxxx.yaml配置文件，通過./models/yolo.py解析文件加了一個輸入構成的網絡模塊。與config設置的網絡不同，不需要進行疊加，只需要在配置文件中對number進行修改即可。
完整的yolov5x.yaml
# parameters
nc: 80 # number of classes
depth_multiple: 1.33 # model depth multiple，模型深度
width_multiple: 1.25 # layer channel multiple， 卷積核的個數
# anchors
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
# yolov5 backbone
backbone:
# [from, number, module, args]
[[-1, 1, Focus, [64, 3]], # 1-P1/2
[-1, 1, Conv, [128, 3, 2]], # 2-P2/4
[-1, 3, Bottleneck, [128]],
[-1, 1, Conv, [256, 3, 2]], # 4-P3/8
[-1, 9, BottleneckCSP, [256]],
[-1, 1, Conv, [512, 3, 2]], # 6-P4/16
[-1, 9, BottleneckCSP, [512]],
[-1, 1, Conv, [1024, 3, 2]], # 8-P5/32
[-1, 1, SPP, [1024, [5, 9, 13]]],
[-1, 6, BottleneckCSP, [1024]], # 10
]
# yolov5 head
head:
[[-1, 3, BottleneckCSP, [1024, False]], # 11
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 12 (P5/32-large)
[-2, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 6], 1, Concat, [1]], # cat backbone P4
[-1, 1, Conv, [512, 1, 1]],
[-1, 3, BottleneckCSP, [512, False]],
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 17 (P4/16-medium)
[-2, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 4], 1, Concat, [1]], # cat backbone P3
[-1, 1, Conv, [256, 1, 1]],
[-1, 3, BottleneckCSP, [256, False]],
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 22 (P3/8-small)
[[], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]
parameters
nc: 80 # number of classes
depth_multiple: 1.33 # model depth multiple，模型深度
width_multiple: 1.25 # layer channel multiple， 卷積核的個數
1. nc：類別數，你的類別有多少就填寫多少。從1開始算起，不是0-14這樣算。
2. depth_multiple：控制模型的深度。
3. width_multiple：控制卷積核的個數。
depth_multiple 是用在backbone中的number≠1的情況下， 即在Bottleneck層使用，控制模型的深度，yolov5s中設置為0.33，假設yolov5l中有三個Bottleneck，那yolov5s中就只有一個Bottleneck。
因為一般number=1表示的是功能背景的層，比如說下采樣Conv、Focus、SPP（空間金字塔池化）。
——————————————————————————————————————
width_multiple 主要是用於設置arguments，例如yolov5s設置為0.5，Focus就變成[32, 3]，Conv就變成[64, 3, 2]。
以此類推，卷積核的個數都變成了設置的一半。
yolov5提供了s、m、l、x四種，所有的yaml文件都設置差不多，只有上面2和3的設置不同，作者團隊很厲害，只需要修改這兩個參數就可以調整模型的網絡結構。
anchors
# anchors
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
可以針對自己的數據集增加anchor 的尺度類型。
backbone
# yolov5 backbone
backbone:
# [from, number, module, args]
[[-1, 1, Focus, [64, 3]], # 1-P1/2
[-1, 1, Conv, [128, 3, 2]], # 2-P2/4
[-1, 3, Bottleneck, [128]],
[-1, 1, Conv, [256, 3, 2]], # 4-P3/8
[-1, 9, BottleneckCSP, [256]],
[-1, 1, Conv, [512, 3, 2]], # 6-P4/16
[-1, 9, BottleneckCSP, [512]],
[-1, 1, Conv, [1024, 3, 2]], # 8-P5/32
[-1, 1, SPP, [1024, [5, 9, 13]]],
[-1, 6, BottleneckCSP, [1024]], # 10
]
a. Bottleneck 可以譯為“瓶頸層”。
b. from列參數：-1 代表是從上一層獲得的輸入，-2表示從上兩層獲得的輸入（head同理）。
c. number列參數：1表示只有一個，3表示有三個相同的模塊。
d. SPP、Conv、Bottleneck、BottleneckCSP的代碼可以在./models/common.py中獲取到。
e. [64, 3] 解析得到[3, 32, 3] ，輸入為3（RGB），輸出為32，卷積核k為3；
f. [128, 3, 2] 這是固定的，128表示輸出128個卷積核個數。根據 [128, 3, 2] 解析得到[32, 64, 3, 2] ，32是輸入，64是輸出（128*0.5=64），3表示3×3的卷積核，2表示步長為2。
g. 主干網是圖片從大到小，深度不斷加深。
h. args這里的輸入都省去了，因為輸入都是上層的輸出。為了修改過於麻煩，這里輸入的獲取是從./models/yolo.py的def parse_model(md, ch)函數中解析得到的。
head
# yolov5 head
head:
[[-1, 3, BottleneckCSP, [1024, False]], # 11
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 12 (P5/32-large)
[-2, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 6], 1, Concat, [1]], # cat backbone P4
[-1, 1, Conv, [512, 1, 1]],
[-1, 3, BottleneckCSP, [512, False]],
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 17 (P4/16-medium)
[-2, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 4], 1, Concat, [1]], # cat backbone P3
[-1, 1, Conv, [256, 1, 1]],
[-1, 3, BottleneckCSP, [256, False]],
[-1, 1, nn.Conv2d, [na * (nc + 5), 1, 1, 0]], # 22 (P3/8-small)
[[], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]
head檢測頭：一般表示的是經過主干網后輸出的特征圖，特征圖輸入head中進行檢測，包括類別和位置的檢測。
運行 models/ yolo.py 后可以顯示對.yaml 文件(yolov5x.yaml)的網絡解析:
torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']
torch.nn.Upsample(size=None, scale_factor=None, mode=‘nearest’, align_corners=None)
size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int], optional) – 根據不同的輸入類型制定的輸出大小
scale_factor (float or Tuple[float] or Tuple[float, float] or Tuple[float, float, float], optional) – 指定輸出為輸入的多少倍數。如果輸入為tuple，其也要制定為tuple類型
mode (str, optional) – 可使用的上采樣算法，有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ and ‘trilinear’. 默認使用’nearest’
[5, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]]]
對應於./models/yolov5x.yaml的Detect，nc=5， anchors =[[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]]
代表large anchors(P5)， [30, 61, 62, 45, 59, 119]代表medium anchors，[10, 13, 16, 30, 33, 23]代表small anchors。