yolov5-pytorch导出模型问题

在官网提供的代码中，很方便的可以把pytorch的模型转为libtorch的模型，但是在转换前要明白自己转换后的模型是仅仅为了推理部署，还是说用转换后的模型作为libtorch的预训练模型继续使用呢？
明白目的就很好解决了。
如果仅仅是为了推理，那么export.py文件中下面这个地方不用改动，
目的：推理部署

model = attempt_load(opt.weights, map_location=device,fuse=True)  # load FP32 model

fuse参数的意思是融合，在attempt_load函数中，conv层和bn层的参数进行了参数融合，融合的目的是为了部署的时候加速推理。
目的：导出模型作为libtorch的预训练模型

model = attempt_load(opt.weights, map_location=device,fuse=False)  # load FP32 model

fuse这个参数设置为false，禁止参数融合，这样的话，conv层的参数和bn层的参数就不会进行融合，各自的参数是各自的，
具体见下面这张图：
如果取消参数融合，图上会出现batch_norm这个参数，并且_convolution只显示一个参数weight,如果没有取消的话，batch_norm这个参数没有，并且_convolution会显示两个参数weigth和bias。

关于参数融合的具体讲解，可以参考这为博主的内容
yolov5 conv和bn层参数融合