一点就分享系列（实践篇5-上篇）[持续更新中！代码已吸收！依旧全网首发] yolov7解析：yolov5的plus扩充 ，仍旧值得学习！一起看V5代码如何变成V7！

一点就分享系列（实践篇5-上篇）[持续更新！全网首发]yolov7解析

V7来了，话不多说，强行回归，之前提到的一些nanodet/yolox的优化技巧，没想到V7也做了，这样挺好，减少了不少工作量，大体今天上午看了下主要是两部分核心:网络结构和辅助训练分支，从V7仓库适配了下代码，才发现缝合度极度严重，其实就是魔改版的V5，不过仍旧有值得学习的东西，同时想起V6（mt），让我明白一个道理：做事情一定要快！于是下午我就把V7之于V5的区别对比了下，并基于我自己的魔改版V5仓库进行了V7的添加，基本全程没什么大坑，还是比较容易的，分享在我的github上，写了2个多小时，还是有不少优化的地方，common代码有点多了，后续会更新！此时此刻，我差点想改个名字叫YOLOV5+7 =12? 哈哈，V7的yaml结构我放在了这里：

比如你想训练yolov7，直接run:
python train.py --cfg models/v7_cfg/deploy/yolov7.yaml --weights yolov7.pt --data (custom datasets)

权重我挂在百度云上了！链接：https://pan.baidu.com/s/140E6siM_yoBG5OSxe9jeeQ?pwd=v7v7
提取码：v7v7
最近在做AR方面的，今天就以我的角度来分享下YOLOV7的代码和改进。

---

（如果代码有BUG 。iussue上留言，今天被MT的V6刺激到黑化，程序是有CI 原则上不会有大问题）

---

一句话综述yolov7！

千篇一律的东西我不想做，因为能看这个文章的人，基本都看过YOLOV5了，那么为什么我说yolov7只是yolov5的plus?
最直接的就是从git代码上可以看出基本是“”集百家之所长"，代码大概是今年5月份yolov5的版本基础上结合了自己的修改（别问我为什么知道，每周维护更新！），那么我很有底气的可以量化来说，同时也为后续大家看yolov7打通整体思路，一句话总结：

yolov7的代码= 5月之前的yolov5工程版本基础上+ v7作者总结的新网络结构和算子/加入最近才开源的swinv2等算子结构+V7作者的辅助检测分支/对应的LOSS标签匹配计算+模型结构的增加和解析引起的代码调整，包含初始化权重参数、优化器等

带来了性能的提升以及FLOPS的增加，最终综合来看还是一次进化
通过看代码，可以看出V7还在做实验来验证一些结构，其次其实主体就是这些区别，接下来就是细化yolov7的各个细节，这部分可以慢慢在整理，梳理和总结学习。

一、模型结构

waiting，可以先看我的git代码，要下班做核酸了，明天继续更新，预计最晚下周更新完成！今天实在是V7出了我才更新的 最近很忙~