yolo.py的parse部分
# 结合C3和BiFPN对该部分进行注释
def parse_model(d, ch): # model_dict, input_channels(3)
# Parse a YOLOv5 model.yaml dictionary
# 打印表头:from n params module arguments 等信息
LOGGER.info(f"\n{'':>3}{'from':>18}{'n':>3}{'params':>10} {'module':<40}{'arguments':<30}")
# 获取yaml文件内的信息
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
# 计算最终输出的每层锚框个数,anchors[0]是第一行列表,它的长度是6,表示3个w - h对,即3个anchor,这里的na也应当为3
na = (len(anchors[0]) // 2) if isinstance(anchors, list) else anchors # number of anchors
# na为锚框数量,nc为目标类别,5为中心点坐标、宽度和高度以及置信度
no = na * (nc + 5) # number of outputs = anchors * (classes + 5)
# layers是一个用来保存经解析后输出的模型及其参数的列表,里面生成最终的网络模型
# c2是该模块的输出通道数,仅仅是用于在该部分计算,是否传入args列表要看该模块的判断部分
# ch是一个用来保存之前所有模块输出的channels,最开始ch[]=3,代表输入图像的RGB三个通道,ch[-1]代表着上一个模块的输出通道
layers, save, c2 = [], [], ch[-1] # layers, savelist, ch out
# 解析yaml文件的f n m args,循环完yaml文件的所有f n m args
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
# round(n * gd)将结果四舍五入为最接近的整数
# n_用于输出打印,见LOGGER.info(f'{i:>3}{str(f):>18}{n_:>3}{np:10.0f} {t:<40}{str(args):<30}')
# n决定模块重复次数
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}:
# ch[f]表示从第f层获取输入通道数,args[0]是输出通道数
c1, c2 = ch[f], args[0]
# no是网络的最后一层,如果c2不等于最后一层,使c2 * gw是8的倍数
if c2 != no: # if not output
c2 = make_divisible(c2 * gw, 8)
# 更新args,将c1和c2嵌入至args列表,生成新的args参数,c1是输入通道数,c2是输出通道数
# 注意,这里的c2既传入了模型中做参数,又用于后面添加至ch列表,见ch.append(c2)
args = [c1, c2, *args[1:]]
# 计算该模块内部模块的重复次数,如C3中的Bottleneck,重复n次
if m in {BottleneckCSP, C3, C3TR, C3Ghost, C3x}:
# 在args列表的下标为2的位置插入一个元素n,元素n来自上面的n = n_ = max(round(n * gd), 1) if n > 1 else n
# 这里的n会传参至模型中做具体的参数,指模块内部模块的具体重复次数
args.insert(2, n) # number of repeats
# 将n重新赋值为1,如果m in {BottleneckCSP, C3, C3TR, C3Ghost, C3x},则将n重新赋值为1
# 这就决定了这几个模块的重复次数就是1,见下面的m_ = nn.Sequential(*(m(*args) for _ in range(n))) if n > 1 else m(*args)
n = 1
elif m is nn.BatchNorm2d:
args = [ch[f]]
# Concat是输入层的通道数之和
elif m is Concat:
c2 = sum(ch[x] for x in f)
# 该部分个人添加的
# 注意这里的c2不会更新至args,只会用于后面添加至ch列表,见ch.append(c2)
# 注意区分这里的c2和BiFPN_Add2的c2不是同一个,但是值应该相同
elif m in [BiFPN_Add2, BiFPN_Add3]:
c2 = max(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]
# 如果n>1,创建含有n个当前模块的Sequential容器;否则,就创建一个当前模块
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 获取模块m的类型字符串,并去除一些不必要的字符。
np = sum(x.numel() for x in m_.parameters()) # number params 计算Sequential容器中所有模块的参数总数
m_.i, m_.f, m_.type, m_.np = i, f, t, np # attach index, 'from' index, type, number params
# 打印信息,其中包含n_
LOGGER.info(f'{i:>3}{str(f):>18}{n_:>3}{np:10.0f} {t:<40}{str(args):<30}') # print
# 将模型中每个模块的输出索引(f)添加到save列表中
save.extend(x % i for x in ([f] if isinstance(f, int) else f) if x != -1) # append to savelist
layers.append(m_) # 将新创建的模块m_添加到layers列表中
# 如果索引i等于0,则初始化一个空列表ch,用于保存最开始输入时的RGB三通道,与layers, save, c2 = [], [], ch[-1]呼应
if i == 0:
ch = []
# 将变量c2添加到列表ch中,也就是说,除了前面的跟卷积相关的模块有把c2写入至args列表中,其余模块并未将c2写入至args,仅仅是用于将变量c2添加到列表ch中
ch.append(c2)
# 返回一个包含所有layers的新的Sequential容器和一个排序后的save列表
return nn.Sequential(*layers), sorted(save)
BiFPN
# BiFPN
# 两个特征图add操作,c1=c2,c1必须与上两个特征图的通道数相同
class BiFPN_Add2(nn.Module):
def __init__(self, c1, c2):
super().__init__()
# 定义一个可学习参数;创建一个全是1的张量,张量包含两个元素,张量的维度为1;自动求导
self.w = nn.Parameter(torch.ones(2, dtype=torch.float32), requires_grad=True)
self.epsilon = 0.0001
self.cv = Conv(c1, c2, 1, 1)
self.silu = nn.SiLU()
def forward(self, x):
w = self.w
weight = w / (torch.sum(w, dim=0) + self.epsilon)
x0 = self.silu(weight[0] * x[0] + weight[1] * x[1])
return self.cv(x0)
'''
# 该部分添加至yolo.py
# 这里的c2不会更新至args
# 如果用这行命令,则在类中给定c1和c2参数时,必须满足c1=c2,
elif m in [BiFPN_Add2, BiFPN_Add3]:
c2 = max(ch[x] for x in f)
# 如果用这行命令,c2可以随意给定
elif m in [BiFPN_Add2, BiFPN_Add3]:
c2 = args[1]
'''
C3
class C3(nn.Module):
# CSP Bottleneck with 3 convolutions
def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5): # ch_in, ch_out, number, shortcut, groups, 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))) # range(n)会生成一个从0到n-1的整数序列,例如range(5)生成序列0, 1, 2, 3, 4
def forward(self, x):
return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))