yolov5实战分析

1、获得模型的推理时间（或者说FPS）

python val.py --data coco.yaml --img 640 --weight runs/train/exp1/weights/best.pt --task speed --batch-size 1

pre-process：图像预处理时间，包括图像保持长宽比缩放和padding填充，通道变换（HWC->CHW）和升维处理等；inference：推理速度，指预处理之后的图像输入模型到模型输出结果的时间；NMS ：你可以理解为后处理时间，对模型输出结果经行转换等；
FPS=1000ms除以这三个时间之和

2、获得模型的大小

要查看YOLO模型的大小和参数量，你可以使用相关的深度学习库和工具，比如TensorFlow、PyTorch或Darknet。
以下是一些常用的方法：

1. 使用Darknet（YOLO的原始实现）
Darknet是YOLO的原始实现，它提供了一个用于训练和测试YOLO模型的工具。

要查看YOLO模型的大小和参数量，你可以在Darknet目录下的命令行中输入以下命令：

./darknet detector calc_network yolov3.cfg yolov3.weights

这里yolov3.cfg是YOLOv3的配置文件，yolov3.weig