YOLOV7主干改进，使用fasternet轻量化改进主干（完整教程）

1，Pconv（来自Fasternet）（可作为模型中的基础卷积模块使用）

论文链接：https://arxiv.org/abs/2303.03667

2，为了大家方便的使用，这里我对原本的PConv的代码做了部分的改动，使得它的参数设置与Conv保持一致。大家直接将这一部分代码放到models/common.py的最后面。

import torch
import torch.nn as nn
import torch.nn.functional as F
class PConv(nn.Module):
    def __init__(self,
                 dim: int,
                 c2,
                 k,
                 s=1,
                 n_div=2,
                 forward: str = "split_cat",
                 kernel_size: int = 3) -> None:
        super(PConv, self).__init__()
        self.dim_conv = dim//n_div
        self.dim_untouched = dim - self.dim_conv
        self.conv = nn.Conv2d(
            self.dim_conv,
            self.dim_conv,
            kernel_size=k,
            stride=s,
            padding=k//2,
            bias=False
        )
        self.bn = nn.BatchNorm2d(dim)
        self.act = nn.SiLU()

    def forward(self,x):
        x1,x2 = torch.split(x,[self.dim_conv,self.dim_untouched],dim=1)
        x1 = self.conv(x1)
        x = torch.cat((x1,x2),1)
        return self.act(self.bn(x))

3，在models/yolo.py中将模块名添加上，大约是752行

4，自己动手diy配置文件yolov7.yaml文件。

这里有一个注意事项，因为PConv本身只是一个基本的卷积操作，因此它并不支持下采样和通道变换操作，因此为了尽可能的简单，大家直接在一些通道前后没改变的地方，没有进行下采样的地方使用PConv即可。