Yolov5中detect.py和train.py模型输出结果不一样的问题

项目场景：

yolov5开发损失数据都成功修改，四个点收敛到中心点，除以w和h归一化。训练得到权重，调试得知点的位置有负数，符合预测情况，大概率是正确的。

---

问题描述：

detect.py里面出来的pred（1，？，93）里面点的部分是非负的，同样的从model出来，和train.py的结果不一样（），后来发现是模型函数不一样。

这导致了输出结果有偏差

因为模型函数比较复杂，不方便进去查看，考虑更换和train.py一样的模型函数，再手动更改数据格式，或者进去原来的模型函数里面查看内容。

本来考虑换一种非负的收敛方式，后来想到正的点detect出来也不正常，在模型中应该有神奇的变换导致的，一方面可以考虑写一个画图函数看看train.py预测出来的是不是正常的，另一方面进detect.py的model里面更改函数。

---

原因分析：

1、这里进去detect.py的model里面看了，手动调试到Detect层

下图是detect层直接的输出，与train.py不吻合，没有负数，而且天生就是tuple 

train.py的输出：

同一个位置

原因：

在最后一层detect中inference有一个独立的if分支

在最后一层进行了一次sigmoid()，导致了点偏移的问题

---

解决方案：

修改了一下（在图中红色那行）

y = torch.cat([x[i][:,:,:,:,:85].sigmoid(),x[i][:,:,:,:,85:]],dim=4)

 修复结果：