2021 山东大学软件学院软件工程应用与实践--YOLOV5项目代码分析——（2）

最新推荐文章于 2024-04-16 21:49:16 发布

qq_57299978

最新推荐文章于 2024-04-16 21:49:16 发布

阅读量423

点赞数

分类专栏： YOLOV5 文章标签： python 深度学习 pytorch

本文链接：https://blog.csdn.net/qq_57299978/article/details/122164040

版权

2021SC@SDUSC

Bottlenck

标准Bottlenck

网络架构中的bottlenack模块，分为True和False

残差块结构

class Bottleneck(nn.module):
    # standard bottleneck
    # bottlenack(True时)
    '''
    参数说明
    c1：bottleneck结果的输入通道维度
    c2：bottleneck结构的输出通道维度
    shortcut：是否给bottleneck结构部添加shortcut连接，添加后即为ResNet模块；
    g:groups，通道分组的参数，输入通道数、输出通道数必须满足被groups整除
    e：expansion：bottleneck结构中的瓶颈部分的通道膨胀率，使用0.5即变为输入的1/2
    这个e有点类似于一种控制瓶颈的参数，e越小瓶颈越窄
    瓶颈指的是：首先经过一个Conv将通道数缩小，然后在通过一个Conv变成原来的通道数，而e就是控制这个窄度的
    有实验表明，这种瓶颈结构可以很好的减少训练参数
    '''
    def __init__(self, c1, c2, shortcut=True, g=1, e=0.5):  # ch_in ch_out shortcut短接  groups  expansion
        super(Bottleneck,self).__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)   # 第一个conv模块 1*1的卷积
        self.cv2 = Conv(