yolo训练网络如何修改？看完就会！

修改顺序

• models/common.py —> 加入新增网络结构
  
  如上图外卖再common.py文件中添加了SEAttention模块

• models/yolov5*.yaml —>修改现有模型结构配置文件(当引入新的层时，要修改后序的结构中的from参数)
  
  我们选择将其添加到backbone的最后一层，-1代表结果来自于上一层，1代表重复一次计算，SEAttention代表方法名字，[1024，2]其中1024代表通道数，和上一层一样，2的位置可以自己写，一般写2。
  但是需要注意的是，如果我们再backbone的最后一层添加上了新的一层，那么下面的其他层引用的层序号也要随之改变，比如说像head层中，第12层就是引用了第6层的结果，但是它不需要改变，但是第19层中引用了14层的结果，但是现在14层得＋1，所以引用的将会是第15层的结果。
  

• models/yolo.py —>设定网络结构的传参细节（当新的自定义模块中存在输入输出维度时，要使用gw调整输出维度）

在def parse_model(d, ch): # model_dict, input_channels(3)方法中，添加一下内容

然后接着再打开train.py文件即可；

• trian.py —>训练时指定模型结构配置文件

---

相应模块内容讲解：

yolov*.yaml

• from：表示数据来源于哪一层，-1代表来自于上一层
• number：表示要执行几次该模块
• module：表示此模块的名称
• args：该模块的参数

• depth：和number进行计算的，比如说number=3 那么真正的重复次数是3*0.33=0.99<1，那么还是重复一次，如果小于1，那么会取1，大于1就取算出来的次数重复。
• width：是用于计算输出的实际通道数，比如说args第一个参数是64，那么64*0.5=32，那么实际的通道数会是32。

yolo.py

主要看懂下面这个模块的内容就会明白