YOLOv5白皮书-第Y5周：yolo.py文件解读

本文为365天深度学习训练营 中的学习记录博客
原作者：K同学啊|接辅导、项目定制

本次训练是在前文《YOLOv5白皮书-第Y2周:训练自己的数据集》的基础上进行的。

前言
文件位置:./models/yolo.Py
这个文件是YOLOv5网络模型的搭建文件，如果你想改进YOLOv5，那么这个文件是你必须进行修改的文件之一。文件内容看起来多，其实真正有用的代码不多的，重点理解好文中提到的一个函数两个类即可。

注:由于YOLOv5版本众多，同一个文件对于细节处你可能会看到不同的版本，不用担心这都是正常的，注意把握好整体架构即可。

任务:将YOLOv5s网络模型中的C3模块按照下图方式修改形成C2模块，并将C2模块插入第2层与第3层之间，且跑通YOLOv5s。
任务提示:

提示1：需要修改common.yaml、yolo.py、yolov5s.yaml 文件。
提示2：C2 模块与 C3模块是非常相似的两个模块，我们要插入C2 到模型当中，只需要找到哪里有 C3 模块，然后在其附近加上C2 即可。

1、需要了解的函数和类

1.1 导入需要的包和基本配置

import argparse      # 解析命令行参数模块
import contextlib
import os
import platform
import sys         # sys系统模块 包含了与Python解释器和它的环境有关的函数
from copy import deepcopy    # 数据拷贝模块 深拷贝
from pathlib import Path     # Path将str转换为Path对象，使字符串路径易于操作的模块
 
FILE = Path(__file__).resolve()
ROOT = FILE.parents[1]       # YOLOv5 root directory
if str(ROOT) not in sys.path:
    sys.path.append(str(ROOT))    # add ROOT to PATH
if platform.system() != 'Windows':
    ROOT = Path(os.path.relpath(ROOT, Path.cwd()))    # relative
 
from models.common import *  # noqa
from models.experimental import *  # noqa
from utils.autoanchor import check_anchor_order
from utils.general import LOGGER, check_version, check_yaml, make_divisible, print_args
from utils.plots import feature_visualization
from utils.torch_utils import (fuse_conv_and_bn, initialize_weights, model_info, profile, scale_img, select_device,
                               time_sync)
 
 #导入thop包 用于计算FLOPS
try:
    import thop  # for FLOPs computation
except ImportError:
    thop = None

1. argparse 用于命令行参数解析
2. contextlib 用于上下文管理
3. os 和 platform 用于操作系统和平台相关的功能
4. deepcopy 用于深拷贝对象
5. Path 用于处理文件路径
6. 尝试导入 thop 库，用于计算模型的浮点运算量

FILE 是当前文件的绝对路径
ROOT 是当前文件的父目录的父目录

1.2 parse_model函数

def parse_model(d, ch):  # model_dict, input_channels(3)
    # Parse a YOLOv5 model.yaml dictionary
    LOGGER.info(f"\n{'':>3}{'from':>18}{'n':>3}{'params':>10}  {'module':<40}{'arguments':<30}")
    anchors, nc, gd, gw, act = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple'], d.get('activation')
    if act:
        Conv.default_act = eval(act)  # redefine default activation, i.e. Conv.default_act = nn.SiLU()
        LOGGER.info(f"{colorstr('activation:')} {act}")  # print
    na = (len(anchors[0]) // 2) if isinstance(anchors, list) else anchors  # number of anchors
    no = na * (nc + 5)  # number of outputs = anchors * (classes + 5)
 
    layers, save, c2 = [], [], ch[-1]  # layers, savelist, ch out
    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):
            with contextlib.suppress(NameError):
                args[j] = eval(a) if isinstance(a, str) else a  # eval strings
 
        n = n_ = max(round(n * gd), 1) if n > 1 else n  # depth gain
        if m in {
                Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,
                BottleneckCSP, C3, C3TR, C3SPP, C3Ghost, nn.ConvTranspose2d, DWConvTranspose2d, C3x}:
            c1, c2 = ch[f], args[0]
            if c2 != no:  # if not output
                c2 = make_divisible(c2 * gw, 8)
 
            args = [c1, c2, *args[1:]]
            if m in {BottleneckCSP, C3, C3TR, C3Ghost, C3x}:
                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)
        # TODO: channel, gw, gd
        elif m in {Detect, Segment}:
            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)
            if m is Segment:
                args[3] = make_divisible(args[3] * gw, 8)
        elif m is Contract:
            c2 = ch[f] * args[0] ** 2
        elif m is Expand:
            c2 = ch[f] // args[0] ** 2
        else:
            c2 = ch[f]
 
        m_ = nn.Sequential(*(m(*args) for _ in range(n))) if n > 1 else m(*args)  # module
        t = str(m)[8:-2].replace('__main__.', '')  # module type
        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
        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:
            ch = []
        ch.append(c2)
    return nn.Sequential(*layers), sorted(save)

该函数将模型的模块拼接起来，搭建完成网络模型。如果要改动模型框架，需要修改此函数。

1. 从配置信息中提取 anchors、nc（类别数）、gd（深度倍数）、gw（宽度倍数）和激活函数类型。

2. 遍历配置中的 backbone 和 head，这两个部分描述了模型的骨干网络和检测头。

3. 对于每个模块，根据其类型进行相应的处理：
   3.1 如果是卷积层（如 Conv、Bottleneck 等），根据深度倍数和宽度倍数调整输出通道数，并创建相应的模块。
   3.2 如果是BatchNorm2d，则根据输入通道数创建模块。
   3.3 如果是 Concat，则根据输入通道数的总和创建模块。
   3.4 如果是 Detect 或Segment，则根据输入通道数列表创建模块，并根据宽度倍数调整参数。
   3.5 如果是 Contract 或Expand，则根据输入通道数和倍数调整输出通道数。

4. 创建模块实例，并记录相关信息，如模块类型、参数数量等。

5. 将构建好的模块添加到网络层序列中，并将需要保存输出的层索引记录下来。

6. 最后返回构建好的模型和需要保存输出的层索引。

1.3 Detect类

class Detect(nn.Module):
    # YOLOv5 Detect head for detection models
    stride = None  # strides computed during build
    dynamic = False  # force grid reconstruction
    export = False  # export mode
 
    def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
        super().__init__()
        self.nc = nc  # number of classes
        self.no = nc + 5  # number of outputs per anchor
        self.nl = len(anchors)  # number of detection layers
        self.na = len(anchors[0]) // 2  # number of anchors
        self.grid = [torch.empty(0) for _ in range(self.nl)]  # init grid
        self.anchor_grid = [torch.empty(0) for _ in range(self.nl)]  # init anchor grid
        self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2))  # shape(nl,na,2)
        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.dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
                    self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)
 
                if isinstance(self, Segment):  # (boxes + masks)
                    xy, wh, conf, mask = x[i].split((2, 2, self.nc + 1, self.no - self.nc - 5), 4)
                    xy = (xy.sigmoid() * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh.sigmoid() * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf.sigmoid(), mask), 4)
                else:  # Detect (boxes only)
                    xy, wh, conf = x[i].sigmoid().split((2, 2, self.nc + 1), 4)
                    xy = (xy * 2 + self.grid[i]) * self.stride[i]  # xy
                    wh = (wh * 2) ** 2 * self.anchor_grid[i]  # wh
                    y = torch.cat((xy, wh, conf), 4)
                z.append(y.view(bs, self.na * nx * ny, self.no))
 
        return x if self.training else (torch.cat(z, 1), ) if self.export else (torch.cat(z, 1), x)
 
    def _make_grid(self, nx=20, ny=20, i=0, torch_1_10=check_version(torch.__version__, '1.10.0')):
        d = self.anchors[i].device
        t = self.anchors[i].dtype
        shape = 1, self.na, ny, nx, 2  # grid shape
        y, x = torch.arange(ny, device=d, dtype=t), torch.arange(nx, device=d, dtype=t)
        yv, xv = torch.meshgrid(y, x, indexing='ij') if torch_1_10 else torch.meshgrid(y, x)  # torch>=0.7 compatibility
        grid = torch.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

1. stride：用于存储在构建期间计算的步幅（strides），在前向传播中使用。

2. dynamic 和 export：这两个属性都是布尔值，分别用于指示是否强制进行网格重构和导出模式。

3. init 方法：初始化函数，接受一些参数，包括 nc（类别数）、anchors（锚框）、ch（通道数）、inplace（是否使用原地操作）。
   3.1 nc：类别数
   3.2. no：每个锚框的输出数（类别数加上5）
   3.3 nl：检测层的数量（锚框的数量）
   3.4 na：每个检测层的锚框数量
   3.5 grid 和 anchor_grid：用于存储网格和锚框网格的空列表
   3.6 anchors：将锚框转换为张量并注册为缓冲区
   3.7 m：输出卷积的模块列表

4. forward 方法：前向传播函数，接受输入张量 x，并返回输出张量。
   4.1. 循环遍历每个检测层
   4.2. 对输入进行卷积操作，并调整形状以适应后续处理
   4.3. 如果不是训练模式，则进行推理操作
   4.4. 根据是否是分割模式，对不同的输出进行不同的处理
   4.5. 将处理后的输出添加到列表 z 中
   4.6. 返回输出张量x（如果是训练模式）、合并后的检测结果张量（如果是导出模式）或者分别返回这两者（如果不是训练模式且不是导出模式）

5. _make_grid 方法：用于生成网格和锚框网格。
   5.1. 创建网格和锚框网格
   5.2. 根据输入的尺寸和索引调整形状
   5.3. 返回网格和锚框网格

1.4、BaseModel 类

class BaseModel(nn.Module):
    # YOLOv5 base model
    def forward(self, x, profile=False, visualize=False):
        return self._forward_once(x, profile, visualize)  # single-scale inference, train
 
    def _forward_once(self, x, profile=False, visualize=False):
        y, dt = [], []  # outputs
        for m in self.model:
            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
 
    def _profile_one_layer(self, m, x, dt):
        c = m == self.model[-1]  # 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")
 
    def fuse(self):  # fuse model Conv2d() + BatchNorm2d() layers
        LOGGER.info('Fusing layers... ')
        for m in self.model.modules():
            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
                m.forward = m.forward_fuse  # update forward
        self.info()
        return self
 
    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, Segment)):
            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

BaseModel 类是 YOLOv5 模型的基类，包含了一些用于模型前向推断、性能评估和模型信息打印等方法。

1. forward(self, x, profile=False, visualize=False): 定义了模型的前向传播过程。根据参数 profile 和 visualize 的设置，选择是否进行性能分析和特征可视化。调用了 _forward_once 方法来执行单次前向传播。

2. _forward_once(self, x, profile=False, visualize=False): 单次前向传播过程。遍历模型中的每一层，根据保存输出的层索引记录下需要的特征。如果设置了 profile 参数，则调用 _profile_one_layer 方法进行性能分析。如果设置了 visualize 参数，则调用 feature_visualization 方法进行特征可视化。

3. _profile_one_layer(self, m, x, dt): 对单个模块进行性能分析。计算模块的 FLOPs（浮点运算量）和运行时间，并输出日志信息。

4. fuse(self): 将模型中的 Conv2d() 和 BatchNorm2d() 层融合为单个层。通过遍历模型中的每个模块，对满足条件的模块进行融合操作，并更新模型结构。

5. info(self, verbose=False, img_size=640): 打印模型的相关信息。调用了 model_info 方法来输出模型的结构、参数数量等信息。

6. _apply(self, fn): 应用给定的函数到模型的张量上，例如 to(), cpu(), cuda(), half()。在这个方法中，除了将函数应用到模型的张量参数上之外，还更新了 Detect 或 Segment 类型模块中的一些属性，如 stride、grid 和 anchor_grid。

1.5 DetectionModel类

class DetectionModel(BaseModel):
    # YOLOv5 detection model
    def __init__(self, cfg='yolov5s.yaml', ch=3, nc=None, anchors=None):  # model, input channels, number of classes
        super().__init__()
        if isinstance(cfg, dict):
            self.yaml = cfg  # model dict
        else:  # is *.yaml
            import yaml  # for torch hub
            self.yaml_file = Path(cfg).name
            with open(cfg, encoding='ascii', errors='ignore') as f:
                self.yaml = yaml.safe_load(f)  # model dict
 
        # Define model
        ch = self.yaml['ch'] = self.yaml.get('ch', ch)  # input channels
        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:
            LOGGER.info(f'Overriding model.yaml anchors with anchors={anchors}')
            self.yaml['anchors'] = round(anchors)  # override yaml value
        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
        self.inplace = self.yaml.get('inplace', True)
 
        # Build strides, anchors
        m = self.model[-1]  # Detect()
        if isinstance(m, (Detect, Segment)):
            s = 256  # 2x min stride
            m.inplace = self.inplace
            forward = lambda x: self.forward(x)[0] if isinstance(m, Segment) else self.forward(x)
            m.stride = torch.tensor([s / x.shape[-2] for x in forward(torch.zeros(1, ch, s, s))])  # forward
            check_anchor_order(m)
            m.anchors /= m.stride.view(-1, 1, 1)
            self.stride = m.stride
            self._initialize_biases()  # only run once
 
        # Init weights, biases
        initialize_weights(self)
        self.info()
        LOGGER.info('')
 
    def forward(self, x, augment=False, profile=False, visualize=False):
        if augment:
            return self._forward_augment(x)  # augmented inference, None
        return self._forward_once(x, profile, visualize)  # single-scale inference, train
 
    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 torch.cat(y, 1), None  # augmented inference, train
 
    def _descale_pred(self, p, flips, scale, img_size):
        # de-scale predictions following augmented inference (inverse operation)
        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 = torch.cat((x, y, wh, p[..., 4:]), -1)
        return p
 
    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
 
    def _initialize_biases(self, cf=None):  # initialize biases into Detect(), cf is class frequency
        # https://arxiv.org/abs/1708.02002 section 3.3
        # cf = torch.bincount(torch.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)  # conv.bias(255) to (3,85)
            b.data[:, 4] += math.log(8 / (640 / s) ** 2)  # obj (8 objects per 640 image)
            b.data[:, 5:5 + m.nc] += math.log(0.6 / (m.nc - 0.99999)) if cf is None else torch.log(cf / cf.sum())  # cls
            mi.bias = torch.nn.Parameter(b.view(-1), requires_grad=True)
 
 
Model = DetectionModel  # retain YOLOv5 'Model' class for backwards compatibility

DetectionModel 类是基于 BaseModel 类构建的，用于实现 YOLOv5 目标检测模型。它继承了 BaseModel 类的一些方法，并根据 YOLOv5 模型的配置文件初始化模型。

1. init(self, cfg=‘yolov5s.yaml’, ch=3, nc=None, anchors=None): 初始化方法，接收模型的配置文件路径 cfg、输入通道数 ch、类别数 nc 和 anchors。首先根据配置文件初始化模型，然后根据传入的参数进行相应的修改，如修改输入通道数、类别数或 anchors。接着构建模型，解析配置文件并初始化模型的权重。最后打印模型的信息。

2. forward(self, x, augment=False, profile=False, visualize=False): 模型的前向传播方法。如果设置了 augment 参数，则执行增强推断，即对输入图像进行尺度变换和翻转操作，然后进行单次前向传播。如果未设置 augment 参数，则执行单次前向传播。根据参数 profile 和 visualize 的设置，选择是否进行性能分析和特征可视化。

3. _forward_augment(self, x): 执行增强推断的方法。根据预设的尺度因子和翻转方式，对输入图像进行处理，然后进行单次前向传播。最后对预测结果进行逆操作，将结果还原到原始图像尺寸。

4. _descale_pred(self, p, flips, scale, img_size): 对增强推断得到的预测结果进行逆操作，将预测框的坐标还原到原始图像尺寸。

5. _clip_augmented(self, y): 对增强推断得到的预测结果进行裁剪，去除多余的预测框。

6. _initialize_biases(self, cf=None): 初始化模型中的偏置项。根据目标检测中的一些规则，调整偏置项的值以适应目标检测任务。

2、代码修改
根据前言所述，C2 模块与 C3模块是非常相似的两个模块，我们要插入C2 到模型当中，只需要找到哪里有 C3 模块，然后在其附近加上C2 即可，如下图所示：

C2模块结构图：

算法修改示意图：

2.1 修改common.py
C2模块是在C3模块的基础上修改的，但C3模块不能去除，要保留的。C2模块的代码如下所示（为了方便比较，把C3模块代码也放进来了）：

class C3(nn.Module):
    # CSP Bottleneck with 3 convolutions
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
        """Initializes C3 module with options for channel count, bottleneck repetition, shortcut usage, group
        convolutions, and expansion.
        """
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c1, c_, 1, 1)
        self.cv3 = Conv(2 * c_, c2, 1)  # optional act=FReLU(c2)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))

    def forward(self, x):
        """Performs forward propagation using concatenated outputs from two convolutions and a Bottleneck sequence."""
        return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))

# 原文件没有C2模块，这是在C3模块的基础上进行修改的，就是把C3模块的self.cv3去掉,主要是把forward(self, x)中的self.cv3去掉
class C2(nn.Module):
    # CSP Bottleneck with 2 convolutions
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
        """Initializes C2 module with options for channel count, bottleneck repetition, shortcut usage, group
        convolutions, and expansion.
        """
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c1, c_, 1, 1)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))

    def forward(self, x):
        """Performs forward propagation using concatenated outputs from two convolutions and a Bottleneck sequence."""
        return torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1)

2.2 修改yolo.py
在parse_model函数中添加C2，如下所示：

        if m in {
            Conv,
            GhostConv,
            Bottleneck,
            GhostBottleneck,
            SPP,
            SPPF,
            DWConv,
            MixConv2d,
            Focus,
            CrossConv,
            BottleneckCSP,
            C3,
            C2,   #原代码中没有C2,现在添加了C2
            C3TR,
            C3SPP,
            C3Ghost,
            nn.ConvTranspose2d,
            DWConvTranspose2d,
            C3x,
        }:
            c1, c2 = ch[f], args[0]
            if c2 != no:  # if not output
                c2 = make_divisible(c2 * gw, ch_mul)

            #下面的代码中原来是没有C2,现在添加了C2（不是指小写的c2）
            args = [c1, c2, *args[1:]]
            if m in {BottleneckCSP, C3, C2, C3TR, C3Ghost, C3x}:     #添加C2
                args.insert(2, n)  # number of repeats
                n = 1

在yolo.py的开头，还要把C2添加上去，如下所示：

from models.common import (
    C3,
    C2,     #原来没有C2，现在添加C2
    C3SPP,
    C3TR,
    SPP,
    SPPF,
    Bottleneck,
    BottleneckCSP,
    C3Ghost,
    C3x,
    Classify,
    Concat,
    Contract,
    Conv,
    CrossConv,
    DetectMultiBackend,
    DWConv,
    DWConvTranspose2d,
    Expand,
    Focus,
    GhostBottleneck,
    GhostConv,
    Proto,
)

2.3 修改yolov5s.yaml
在backbone中，在第2层和第3层之间添加C2。

# YOLOv5 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]],  #2
    [-1, 3, C2, [128]],  #原来没有这层的，现在加了C2，多了一层
    [-1, 1, Conv, [256, 3, 2]], # 3-P3/8
    [-1, 6, C3, [256]],  #4
    [-1, 1, Conv, [512, 3, 2]], # 5-P4/16
    [-1, 9, C3, [512]],  #6
    [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32
    [-1, 3, C3, [1024]],  #8
    [-1, 1, SPPF, [1024, 5]], # 9
  ]

因为训练数据的类别是[“banana”, “snake fruit”, “dragon fruit”, “pineapple”]，只有4种，所以在yolov5s.yaml还要把nc修改为4，如下所示：

# Parameters
nc: 4 # number of classes，原文是80，因为要训练的数据集只有4种类别，所以把80修改为4
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple

2.4 代码运行
开始用自己的数据集训练模型，在项目目录中打开cmd。
如果电脑有GPU，则在cmd中输入命令:

python train.py–img 900 --batch 2 --epoch 50 --data data/ab.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt --device ‘0’

如果电脑没有GPU，则在cmd中输入命令：

python train.py --img 900 --batch 2 --epoch 50 --data data/ab.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt --device cpu

就可以直接训练自己的数据集啦，训练结果如下所示：



3、总结
要知道在common.py中如何把C3模块修改成C2模块，并知道在yolo.py和yolov5s.yaml把C2输入到哪里。