yolov5的网络结构输入输出讲解，利用netron工具进行分析，详细解释yolov5s的输入输出信息，进行tensorrt加速解析数据，网络模型最后一块中head/prediction的叠加过程讲解

1，使用的工具

netorn工具，查看yolov5s.pt导出的onnx模型，目前netorn支持pt智能看到大的架构，看不到具体的输入输出，所以最好转为onnx后，进行查看。
如果在导出的时候有报错，注意安装onnx：请查看nvidia jetson 错误 no module named onnx

2，模型输出介绍

name: output output的type: float32[1,25200,85]

85=80分类+4个坐标+置信度 25200=80* 80* 3+40* 40* 3+20* 20* 3（不同尺寸的卷积核计算，将计算结果进行拼接），其中80指的是80个分类的置信度概率，而最后一位也是置信度，指的是检测框里存在目标的概率大小，注意两个置信度不一样。

最后一个85可能是255，Prediction中用于预测的三个特征图①19* 19* 255、②38* 38* 255、③76* 76* 255。[注：255表示80类别(1+4+80)×3=255] 其中3表示的是anchor

3，深入解读yolov5的输出的内容</