摘要：
yolov5的默认模型文件格式为“.pt”。使用上述可视化工具时，您需要使用yolov5提供的代码将模型转换为“.ttorchscript.pt”格式，然后就可以完全可视化网络结构。最后，在网络的最后一层，三个卷积输出三个尺度特征图，输出维度为na*，na=3，表示三个先前帧，nc=80，表示80个类别，然后是1×1。卷积和步幅。
yolov5默认模型文件格式为：".pt"，使用上述可视化工具的时候，需要利用yolov5给的代码(export.py)，将模型转为".torchscript.pt"格式，然后就可以完整地可视化网络结构了。
yolo5s四个针对coco数据集的预训练模型下载地址：
# Download latest models from https://github.com/ultralytics/yolov5/releases
下载好模型之后，我们在控制台激活虚拟环境，开始转换模型，使用如下指令：
(yolov5) D:yolov5yolov5-master>python models/export.py --weights ./weights/yolov5x.pt --img 640 --batch 1
我这里在网页版netron加载、可视化模型文件；
网页版netron：https://netron.app/
二、models/yolov5s.yaml网络配置文件讲解
在四个yaml文件中，5s 5m 5l 5x 也就下面网络的深度、宽度两个参数不同，其他一样的，你可以对比结构图。1 # parameters 2 nc: 80 # number of classes 6 7 # eg：下面backbone中的模块：[-1, 9, C3, [512]] 8 # 重复9次，在yolo5s中，0.33 * 9 = 3，表示仅重复三次，表示backbone、head中bottleNeck(csp残差组件)重复次数 9 depth_multiple: 0.33 # model depth multiple 10 11 # width_multiple：卷积核个数，也就决定了当前层featuremap输出channels维度 12 # eg：[-1, 1, Focus, [64, 3]],中的64表示经过该模块后 13 # 得到64个特征图，但是由于这里网络宽度设置为0.5，所以 14 # 输出应该是0.5 * 64 = 32个特征图 15 width_multiple: 0.50 # layer channel multiple 16 17 # anchors 先验框，和V3一样 18 anchors: 19 - [10,13, 16,30, 33,23] # P3/8 # 负责大特征图(感受野小)上检测小目标 20 - [30,61, 62,45, 59,119] # P4/16 21 - [116,90, 156,198, 373,326] # P5/32 # 负责小特征图(感受野大)上检测大目标 22 23 # YOLOv5 backbone 24 backbone: 25 # [from, number, module, args] # 下面参数格式 26 # from：当前层输入来自哪里，例如：-1：连接上一层；6：表示第6层输入 27 # number：模块重复次数，例如：32行C3表示CSP残差组件，它默认重复9次，和上面深度参数相乘，得到5s版本模型 28 # module：模型名字 29 # args：模型参数，eg：卷积核尺寸 30 [[-1, 1, Focus, [64, 3]], # 0-P1/2 31 [-1, 1, Conv, [128, 3, 2]], # 1-P2/4 32 [-1, 3, C3, [128]], # bottleneckCSP：CSP残差组件，bottleneck表示残差组件 33 [-1, 1, Conv, [256, 3, 2]], # 3-P3/8 34 [-1, 9, C3, [256]], 35 [-1, 1, Conv, [512, 3, 2]], # 5-P4/16 36 [-1, 9, C3, [512]], 37 [-1, 1, Conv, [1024, 3, 2]], # 7-P5/32
# 5、9、13表示MaxPooling时候的三种情况，即：划分的网格 38 [-1, 1, SPP, [1024, [5, 9, 13]]], # 5、9、13表示SPP层中在多大区域进行maxPooling，eg：5表示在5×5区域找出最大值 39 [-1, 3, C3, [1024, False]], # 9 40 ] 41 42 # YOLOv5 head 43 head: 44 [[-1, 1, Conv, [512, 1, 1]], 45 [-1, 1, nn.Upsample, [None, 2, 'nearest']], # 上采样 46 [[-1, 6], 1, Concat, [1]], # cat backbone P4 ，这里的P4就是上述backbone中的P4，信息传递 47 [-1, 3, C3, [512, False]], # 13 48 49 [-1, 1, Conv, [256, 1, 1]], 50 [-1, 1, nn.Upsample, [None, 2, 'nearest']], 51 [[-1, 4], 1, Concat, [1]], # cat backbone P3，同理和backbone中的P3模块进行拼接 52 [-1, 3, C3, [256, False]], # 17 (P3/8-small) 53 54 [-1, 1, Conv, [256, 3, 2]], 55 [[-1, 14], 1, Concat, [1]], # cat head P4 56 [-1, 3, C3, [512, False]], # 20 (P4/16-medium) 57 58 [-1, 1, Conv, [512, 3, 2]], 59 [[-1, 10], 1, Concat, [1]], # cat head P5 60 [-1, 3, C3, [1024, False]], # 23 (P5/32-large) 61 62 [[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5) # 17 20 23层在下图已经标注 63 ]
上述红色256、512、1024表示PANet不同尺度下特征图输入维度，如下图左边三个蓝色圈标注所示，不要误解为右边三个蓝色圈。最终，网络最后一层，三个卷积输出三个尺度特征图，输出维度都是na*（nc + 5），na = 3，表示三个先验框，nc = 80，表示80个类别，后面是1×1卷积、stride。
上面四个concat已经在下图红色数字标注
reference：https://blog.csdn.net/mary_0830/article/details/107124459