YOLOv5 部分解释

想起来就更新....

yolov5-6.1/models/yolo.py

class Detect(nn.Module):
    stride = None  # strides computed during build
    onnx_dynamic = False  # ONNX export parameter

    def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
        super().__init__()
        self.nc = nc  # number of classes
        self.no = nc + 5  # number of outputs per anchor
        self.nl = len(anchors)  # number of detection layers
        self.na = len(anchors[0]) // 2  # number of anchors
        self.grid = [torch.zeros(1)] * self.nl  # init grid
        self.anchor_grid = [torch.zeros(1)] * self.nl  # init anchor grid
        self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2))  # shape(nl,na,2)
        self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch)  # output conv
        self.inplace = inplace  # use in-place ops (e.g. slice assignment)

小提示：

模型中需要保存下来的参数包括两种：一种是反向传播需要被 optimizer 更新的，称为 parameter；一种是反向传播不要被 optimizer 更新，称为 buffer。第二种参数需要创建 tensor，然后将 tensor 通过 register_buffer() 进行注册，可以通过 model.buffers() 返回，注册完后参数也会自动保存到 orderdict 有序字典中去。注意：buffer 的更新在 forward 中，optim.step 只能更新 nn.parameter 类型的参数。