---

前言

本文章记录yolov5如何通过模型文件yaml搭建模型，从解析yaml参数用途，到parse_model模型构建，最后到yolov5如何使用搭建模型实现模型训练过程。

---

`

一、yolov5文件说明

model/yolo.py文件:为模型构建文件，主要为模型集成类class Model(nn.Module)，模型yaml参数(如:yolov5s.yaml)构建parse_model(d, ch)
model/common.py文件:为模型模块(或叫模型组装网络模块)

二、yolov5调用模型构建位置

在train.py约113行位置，如下代码:

    if  pretrained:with torch_distributed_zero_first(LOCAL_RANK):weights = attempt_download(weights)  # download if not found locallyckpt = torch.load(weights, map_location=device)  # load checkpointmodel = Model(cfg or ckpt['model'].yaml, ch=3, nc=nc, anchors=hyp.get('anchors')).to(device)  # createexclude = ['anchor'] if (cfg or hyp.get('anchors')) and not resume else []  # exclude keys

三、模型yaml文件解析

以yolov5s.yaml文件作为参考,作为解析。

1、 yaml的backbone解读

backbone:# [from, number, module, args][[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2[-1, 1, Conv, [128, 3, 2]],  # 1-P2/4[-1, 3, C3, [128]],[-1, 1, Conv, [256, 3, 2]],  # 3-P3/8[-1, 6, C3, [256]],[-1, 1, Conv, [512, 3, 2]],  # 5-P4/16[-1, 9, C3, [512]],[-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32[-1, 3, C3, [1024]],[-1, 1, SPPF, [1024, 5]],  # 9]

Conv模块参数解读

backbone的[-1, 1, Conv, [128, 3, 2]]行作为解读参考，在parse_model(d, ch)中表示，f, n, m, args=[-1, 1, Conv, [128, 3, 2]]。
f为取ch[f]通道(ch保存通道，-1取上次通道数);
m为调用模块函数，通常在common.py中;
n为网络深度depth,使用max[1,int(n*depth_multiple)]赋值，即m结构循环次数；
args对应[128, 3, 2]，表示通道数args[0],该值会根据math.ceil(args[0]/8)*8调整，args[1]表示kernel大小，args[2]表示stride，
args[-2:]后2位为m模块传递参数;

C3模块参数解读

backbone的[-1, 3, C3, [128]]行作为解读参考，在parse_model(d, ch)中表示，f, n, m, args=[-1, 1, Conv, [128, 3, 2]]。
f为取ch[f]通道(ch保存通道，-1取上次通道数);
m为调用模块函数，通常在common.py中;
n为网络深度depth,使用max[1,int(n*depth_multiple)]赋值，即m结构循环次数；
args对应[128]，表示通道数args[0]为c2,该值会根据math.ceil(args[0]/8)*8调整，决定当前层输出通道数量，而后在parse_model中被下面代码直接忽略，会被插值n=1，在C3代码中表示循环次数，
顺便说下args对应[128,False]，在在C3中的False表示是否需要shotcut。

c1, c2 = ch[f], args[0]
if c2 != no:  # if not outputc2 = make_divisible(c2 * gw, 8)
args = [c1, c2, *args[1:]]
# 通过模块，更换n值
if m in [BottleneckCSP, C3, C3TR, C3Ghost]:args.insert(2, n)  # number of repeatsn = 1

C3模块代码如下:

class C3(nn.Module):# CSP Bottleneck with 3 convolutionsdef __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  # ch_in, ch_out, number, shortcut, groups, expansionsuper().__init__()c_ = int(c2 * e)  # hidden channelsself.cv1 = Conv(c1, c_, 1, 1)self.cv2 = Conv(c1, c_, 1, 1)self.cv3 = Conv(2 * c_, c2, 1)  # act=FReLU(c2)self.m = nn.Sequential(*[Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)])# self.m = nn.Sequential(*[CrossConv(c_, c_, 3, 1, g, 1.0, shortcut) for _ in range(n)])def forward(self, x):return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), dim=1))

2、yaml的head解读

head参数

head:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 6], 1, Concat, [1]],  # cat backbone P4[-1, 3, C3, [512, False]],  # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 4], 1, Concat, [1]],  # cat backbone P3[-1, 3, C3, [256, False]],  # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]],  # cat head P4[-1, 3, C3, [512, False]],  # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[[-1, 10], 1, Concat, [1]],  # cat head P5[-1, 3, C3, [1024, False]],  # 23 (P5/32-large)[[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)]

Concat模块参数解读

head的[[-1, 6], 1, Concat, [1]]行作为解读参考，在parse_model(d, ch)中表示，f, n, m, args=[[-1, 6], 1, Concat, [1]]。
f为取ch[-1]与ch[6]通道数和，且6会被保存到save列表中，在forward中该列表对应层模块输出会被保存;
m为调用模块函数，通常在common.py中;
n为网络深度depth,使用max[1,int(n*depth_multiple)]赋值，即m结构循环次数,但这里必然为1；
args对应[1]，表示通cat维度，这里为1，表示通道叠加；

Detect模块参数解读

head的[[17, 20, 23], 1, Detect, [nc, anchors]]行作为解读参考，在parse_model(d, ch)中表示，f, n, m, args=[[17, 20, 23], 1, Detect, [nc, anchors]]。
f表示需要使用的层，并分别在17,20,23层获取对应通道，可通过yaml从backbone开始从0开始数的那一行，如17对应[-1, 3, C3, [256, False]], # 17 (P3/8-small)，
同时，17、20、23也会被保存到save列表中;
m为调用模块函数，通常在common.py中;
n为网络深度depth,使用max[1,int(n*depth_multiple)]赋值，即m结构循环次数,但这里必然为1；
args对应[nc, anchors]，表示去nc数量与anchor三个列表，同时会将f找到的通道作为列表添加到args中，如下代码示意，
最终args大致为[80, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]，
80为类别nc，[128, 256, 512]为f对应的通道，其它为anchor值；

elif m is Detect:args.append([ch[x] for x in f])if isinstance(args[1], int):  # number of anchorsargs[1] = [list(range(args[1] * 2))] * len(f)

四、模型构建整体解读

yolov5模型集成网络代码如下，其重要解读已在代码中注释。

class Model(nn.Module):def __init__(self, cfg='yolov5s.yaml', ch=3, nc=None, anchors=None):  # model, input channels, number of classessuper().__init__()if isinstance(cfg, dict):self.yaml = cfg  # model dictelse:  # is *.yamlimport yaml  # for torch hubself.yaml_file = Path(cfg).namewith open(cfg, errors='ignore') as f:self.yaml = yaml.safe_load(f)  # model dict# Define modelch = self.yaml['ch'] = self.yaml.get('ch', ch)  # input channelsif nc and nc != self.yaml['nc']:LOGGER.info(f"Overriding model.yaml nc={self.yaml['nc']} with nc={nc}")self.yaml['nc'] = nc  # override yaml valueif anchors:LOGGER.info(f'Overriding model.yaml anchors with anchors={anchors}')self.yaml['anchors'] = round(anchors)  # override yaml valueself.model, self.save = parse_model(deepcopy(self.yaml), ch=[ch])  # model, savelistself.names = [str(i) for i in range(self.yaml['nc'])]  # default names，将其对应数字转为字符串self.inplace = self.yaml.get('inplace', True)# Build strides, anchors 以下为detect模块设置参数m = self.model[-1]  # Detect()if isinstance(m, Detect):s = 256  # 2x min stridem.inplace = self.inplace# 通过给定假设输入为torch.zeros(1, ch, s, s)获得stridem.stride = torch.tensor([s / x.shape[-2] for x in self.forward(torch.zeros(1, ch, s, s))])  # forwardm.anchors /= m.stride.view(-1, 1, 1)   # 变换获得每一特征层的anchorcheck_anchor_order(m)self.stride = m.stride  # [8,16,32]self._initialize_biases()  # only run once,为检测detect设置bias初始化# Init weights, biasesinitialize_weights(self)self.info()LOGGER.info('')def forward(self, x, augment=False, profile=False, visualize=False):if augment:return self._forward_augment(x)  # augmented inference, Nonereturn self._forward_once(x, profile, visualize)  # single-scale inference, train

以上代码最重要网络搭建模块，如下代码调用，我将在下一节解读。

self.model, self.save = parse_model(deepcopy(self.yaml), ch=[ch])  # model, savelist

以上代码最重要网络运行forward，如下代码调用，我将重点解读。
模型在训练时候，是调用下面模块，如下：

return self._forward_once(x, profile, visualize)  # single-scale inference, train

m.f和m.i已在上面yaml中介绍，实际需重点关注y保存save列表对应的特征层输出，若没有则保留为none占位，其代码解读已在有注释，详情如下：

def _forward_once(self, x, profile=False, visualize=False):y, dt = [], []  # outputsfor m in self.model:# 通过m.f确定改变m模块输入变量值，若为列表如[-1,6]一般为cat或detect，一般需要给定输入什么特征if m.f != -1:  # if not from previous layer# 若m.f为[-1,6]这种情况，则[x if j == -1 else y[j] for j in m.f]运行此块，该块将-1变成了上一层输出x与对应6的输出x = y[m.f] if isinstance(m.f, int) else [x if j == -1 else y[j] for j in m.f]  # from earlier layersif profile:self._profile_one_layer(m, x, dt)x = m(x)  # run# 通过之前parse_model获得save列表(已赋值给self.save)，将其m模块输出结果保存到y列表中，否则使用none代替位置# 这里m.i是索引，是yaml每行的模块索引y.append(x if m.i in self.save else None)  # save outputif visualize:feature_visualization(x, m.type, m.i, save_dir=visualize)return x

五、构建模型parse_model源码解读

该部分是yolov5根据对应yaml模型文件搭建的网络，需结合对应yaml文件一起解读，我已在上面介绍了yaml文件，可自行查看。
同时，也需要重点关注 m_.i, m_.f, m_.type, m_.np = i, f, t, np，会在上面_forward_once函数中用到。
本模块代码解读，也已在代码注释中，请查看源码理解，代码如下：

def parse_model(d, ch):  # model_dict, input_channels(3)LOGGER.info('\n%3s%18s%3s%10s  %-40s%-30s' % ('', 'from', 'n', 'params', 'module', 'arguments'))anchors, nc, gd, gw = d['anchors'], d['nc'], d['depth_multiple'], d['width_multiple']na = (len(anchors[0]) // 2) if isinstance(anchors, list) else anchors  # number of anchors，获得每个特征点anchor数量，为3no = na * (nc + 5)  # 最终预测输出数量， number of outputs = anchors * (classes + 5)# layers保存yaml每一行处理作为一层，使用列表保存，最后输出使用nn.Sequential(*layers)处理作为模型层连接# c2为yaml每一行通道输出预定义数量，需与width_multiple参数共同决定layers, save, c2 = [], [], ch[-1]  # layers, savelist, ch out # ch为channel数量，初始值为[3]for i, (f, n, m, args) in enumerate(d['backbone'] + d['head']):  # from, number, module, args# eval这个函数会把里面的字符串参数的引号去掉，把中间的内容当成Python的代码# i为每一层附带索引，相当于对yaml每一行的模块设置编号m = eval(m) if isinstance(m, str) else m  # eval stringsfor j, a in enumerate(args):try:args[j] = eval(a) if isinstance(a, str) else a  # eval stringsexcept NameError:passn = n_ = max(round(n * gd), 1) if n > 1 else n  # 获得最终深度，循环次数，depth gain# 不同网络结构模块处理，同时会改变对应c2通道if m in [Conv, GhostConv, Bottleneck, GhostBottleneck, SPP, SPPF, DWConv, MixConv2d, Focus, CrossConv,BottleneckCSP, C3, C3TR, C3SPP, C3Ghost]:  # 是否在设定模块内c1, c2 = ch[f], args[0]if c2 != no:  # if not outputc2 = make_divisible(c2 * gw, 8)args = [c1, c2, *args[1:]]# 通过模块，更换n值if m in [BottleneckCSP, C3, C3TR, C3Ghost]:args.insert(2, n)  # number of repeatsn = 1elif m is nn.BatchNorm2d:args = [ch[f]]elif m is Concat:c2 = sum([ch[x] for x in f])  # 将最后一层通道数与cancat通道叠加求和，如[[-1, 6], 1, Concat, [1]]将-1与第6通道求和elif m is Detect:args.append([ch[x] for x in f])if isinstance(args[1], int):  # number of anchorsargs[1] = [list(range(args[1] * 2))] * len(f)elif m is Contract:c2 = ch[f] * args[0] ** 2elif m is Expand:c2 = ch[f] // args[0] ** 2else:c2 = ch[f]m_ = nn.Sequential(*[m(*args) for _ in range(n)]) if n > 1 else m(*args)  # modulet = str(m)[8:-2].replace('__main__.', '')  # module typenp = sum([x.numel() for x in m_.parameters()])  # number params，计算参数量m_.i, m_.f, m_.type, m_.np = i, f, t, np  # attach index, 'from' index, type, number params ，将其赋给模型，后面forward会使用到LOGGER.info('%3s%18s%3s%10.0f  %-40s%-30s' % (i, f, n_, np, t, args))  # printsave.extend(x % i for x in ([f] if isinstance(f, int) else f) if x != -1)  # append to savelistlayers.append(m_)  #if i == 0:ch = []  # 删除 输入的3 通道ch.append(c2)  # 保存每个模块的通道，即yaml的每行均保存，包含concat啥都保存return nn.Sequential(*layers), sorted(save)

---