改进YOLO系列：添加GAMAttention注意力机制

GAMAttention（Global Attention Mechanism with Retain Information）注意力机制是一种结合了通道注意力（Channel Attention）和空间注意力（Spatial Attention）的复合注意力机制。这种机制旨在通过同时关注特征图的不同维度（即通道和空间位置）来增强网络对重要特征的提取能力。

在您的GAMAttention类中，您已经实现了这两个主要的注意力分支：

1. 通道注意力（Channel Attention）：通过两个全连接层（nn.Linear）和一个ReLU激活函数来生成每个通道的注意力权重。这个权重表示了不同通道（特征）的重要性。

2. 空间注意力（Spatial Attention）：通过一系列卷积层（nn.Conv2d）、批归一化（nn.BatchNorm2d）、ReLU激活函数以及最后的Sigmoid函数来生成空间注意力图。这个图表示了特征图上每个空间位置的重要性。

在forward方法中，您首先将输入x通过通道注意力分支，得到每个通道的注意力权重，并将这些权重应用于原始输入x上。然后，将结果通过空间注意力分支，得到空间注意力图，并将其应用于已经过通道注意力加权的特征图上。

不过，有一点需要注意：在您的原始代码中，