yolox网络结构

yolox-pytorch目录

今天解析注释net/darknet.py

#!/usr/bin/env python3  # 指定使用python3来执行此脚本  
# -*- coding:utf-8 -*-  # 声明脚本使用的编码是utf-8  
# Copyright (c) Megvii, Inc. and its affiliates.  # 版权信息，标注了归属公司为Megvii, Inc.及其附属公司  # 导入torch库，torch是PyTorch的主体库，提供了张量计算和神经网络构建等基础功能  
import torch  # 从torch库中导入nn模块，nn是PyTorch的神经网络模块，提供了各种神经网络层和损失函数等  
from torch import nn  ##########################################################################################
# 定义一个名为SiLU的类，继承自nn.Module，这个类代表Sigmoid线性单元，一种非线性激活函数  
class SiLU(nn.Module):  # 定义一个静态方法forward，此方法用于定义SiLU类的运算过程，参数x是输入数据  @staticmethod  def forward(x):   # 返回输入数据x乘以sigmoid函数的结果，实现SiLU运算  return x * torch.sigmoid(x)  
##########################################################################################  
# 定义一个函数get_activation，用于获取不同类型的激活函数模块  
def get_activation(name="silu", inplace=True):  # 根据传入的name参数判断要返回的激活函数类型，默认为SiLU类型  if name == "silu":   # 如果name为"silu"，则创建一个SiLU类型的模块并赋值给module变量  module = SiLU()  elif name == "relu":   # 如果name为"relu"，则创建一个ReLU类型的模块，inplace参数表示原地操作，是否会修改输入数据，默认为True  module = nn.ReLU(inplace=inplace)  elif name == "lrelu":   # 如果name为"lrelu"，则创建一个LeakyReLU类型的模块，0.1表示负斜率，inplace参数表示原地操作，是否会修改输入数据，默认为True  module = nn.LeakyReLU(0.1, inplace=inplace)  else:   # 如果name不是上述任何一种类型，则抛出一个AttributeError异常，提示"Unsupported act type: {}".format(name)错误信息  raise AttributeError("Unsupported act type: {}".format(name))  # 返回获取到的激活函数模块  return module  
##########################################################################################  
# 定义一个名为Focus的类，继承自nn.Module，这个类代表焦点模块，用于对输入数据进行空间上的重新构造  
class Focus(nn.Module):  # 定义一个构造函数__init__，此方法用于初始化Focus类的实例对象  def __init__(self, in_channels, out_channels, ksize=1, stride=1, act="silu"):  # 调用父类的构造函数，进行基本的初始化操作  super().__init__()  # 定义变量pad为(ksize - 1) // 2，表示卷积操作的填充大小  pad = (ksize - 1) // 2  # 创建一个BaseConv类型的模块，参数为in_channels * 4（输入通道数变为原来的四倍），out_channels（输出通道数），ksize（卷积核大小），stride（步长），pad（填充大小），act（激活函数类型默认为SiLU）  self.conv = BaseConv(in_channels * 4, out_channels, ksize, stride, act=act)  # 定义一个forward方法，此方法用于定义Focus类的运算过程，参数x是输入数据  def forward(self, x):   # 从输入数据x中获取四个位置的patch并进行拼接，形成一个新的数据x并返回给conv进行卷积操作#考虑2 x 2的四个方格，左上，左下，右上和右下为起始点，各一个元素采样  patch_top_left = x[..., ::2, ::2]  # 从左上角开始每隔一个像素取一个像素点形成左上角patch  patch_bot_left = x[..., 1::2, ::2]  # 从左下角开始每隔一个像素取一个像素点形成左下角patch  patch_top_right = x[..., ::2, 1::2]  # 从右上角开始每隔一个像素取一个像素点形成右上角patch  patch_bot_right = x[..., 1::2, 1::2]  # 从右下角开始每隔一个像素取一个像素点形成右下角patch  x = torch.cat((patch_top_left, patch_bot_left, patch_top_right,patch_bot_right), dim=1)  # 将四个patch在通道维度上进行拼接  # 返回经过conv卷积操作后的结果  return self.conv(x)  
##########################################################################################  
# 定义一个名为BaseConv的类，继承自nn.Module，这个类代表基础卷积模块，用于构建卷积神经网络的基础模块  
class BaseConv(nn.Module):  # 定义一个构造函数__init__，此方法用于初始化BaseConv类的实例对象  def __init__(self, in_channels, out_channels, ksize, stride, groups=1, bias=False, act="silu"):  # 调用父类的构造函数，进行基本的初始化操作  super().__init__()  # 定义变量pad为(ksize - 1) // 2，表示卷积操作的填充大小  pad = (ksize - 1) // 2  # 创建一个Conv2d类型的卷积层，参数依次为输入通道数，输出通道数，卷积核大小，步长，填充大小，分组数，是否使用偏置  self.conv = nn.Conv2d(in_channels, out_channels, ksize, stride, pad, groups=groups, bias=bias)# 定义一个批归一化层，用于加速训练和提高模型稳定性。  self.bn   = nn.BatchNorm2d(out_channels, eps=0.001, momentum=0.03)   # 如果传入的act参数不为空字符串，则根据act参数创建一个激活函数模块并赋值给self.act变量  if act is not None:  self.act = get_activation(act, inplace=True)  else:  self.act = nn.Identity()  # 如果act参数为空字符串，则使用恒等映射作为激活函数  # 定义一个forward方法，此方法用于定义BaseConv类的运算过程，参数x是输入数据  def forward(self, x):   # 返回经过conv卷积操作和act激活函数处理后的结果  return self.act(self.conv(x))
########################################################################################## 定义一个名为DWConv的类，继承自nn.Module，这是一个深度可分离卷积模块。  
class DWConv(nn.Module):  # 初始化函数，用于设置该模块所需的各种参数和子模块。  def __init__(self, in_channels, out_channels, ksize, stride=1, act="silu"):  # 调用父类的初始化函数。  super().__init__()  # 定义一个深度卷积层（逐通道卷积），其输出通道数与输入通道数相同，并且使用给定的核大小和步长。  # 注意这里的groups参数设置为in_channels，意味着每个输入通道都有独立的卷积核。  self.dconv = BaseConv(in_channels, in_channels, ksize=ksize, stride=stride, groups=in_channels, act=act,)  # 定义一个逐点卷积层（1x1卷积），用于改变通道数。这里的groups参数设置为1，表示是普通的卷积操作。  self.pconv = BaseConv(in_channels, out_channels, ksize=1, stride=1, groups=1, act=act)  # 定义前向传播函数，输入数据x会首先经过深度卷积层处理，然后再经过逐点卷积层处理。  def forward(self, x):  x = self.dconv(x)  # 数据经过深度卷积层处理。  return self.pconv(x)  # 经过逐点卷积层处理后输出结果。
##########################################################################################
# 定义一个名为SPPBottleneck的类，继承自nn.Module，这是一个包含空间金字塔池化（Spatial Pyramid Pooling, SPP）的瓶颈模块。  
class SPPBottleneck(nn.Module):  # 初始化函数，用于设置该模块所需的各种参数和子模块。  def __init__(self, in_channels, out_channels, kernel_sizes=(5, 9, 13), activation="silu"):  # 调用父类的初始化函数。  super().__init__()  # 计算隐藏层的通道数，为输入通道数的一半。  hidden_channels = in_channels // 2  # 定义第一个卷积层，用于降低通道数。这里使用1x1的卷积核。  self.conv1      = BaseConv(in_channels, hidden_channels, 1, stride=1, act=activation)  # 定义一个包含多个最大池化层的模块列表，用于生成不同尺度的空间金字塔特征。  self.m          = nn.ModuleList([nn.MaxPool2d(kernel_size=ks, stride=1, padding=ks // 2) for ks in kernel_sizes])  # 计算第二个卷积层的输入通道数，为隐藏层通道数与空间金字塔层数的和。  conv2_channels  = hidden_channels * (len(kernel_sizes) + 1)  # 定义第二个卷积层，用于增加通道数并整合空间金字塔特征。这里使用1x1的卷积核。  self.conv2      = BaseConv(conv2_channels, out_channels, 1, stride=1, act=activation)  # 定义前向传播函数，输入数据x会首先经过第一个卷积层处理，然后生成空间金字塔特征并拼接在一起，最后经过第二个卷积层处理并输出结果。  def forward(self, x):  x = self.conv1(x)  # 数据经过第一个卷积层处理。  x = torch.cat([x] + [m(x) for m in self.m], dim=1)  # 生成空间金字塔特征并将它们拼接在一起。  x = self.conv2(x)  # 经过第二个卷积层处理后输出结果。  return x##########################################################################################
# 定义一个名为Darknet的类，继承自nn.Module，这个类代表Darknet网络模型，用于构建Darknet系列的目标检测模型  
class Darknet(nn.Module):  # 定义一个构造函数__init__，此方法用于初始化Darknet类的实例对象  def __init__(self, in_channels, out_channels, **kwargs):  # 调用父类的构造函数，进行基本的初始化操作  super().__init__()  # 根据传入的参数创建多个BaseConv类型的模块并依次添加到self.layers列表中  self.layers = nn.ModuleList([BaseConv(in_channels, out_channels, **kwargs) for _ in range(len(kwargs["out_channels"]))])  # 将最后一个BaseConv模块的输出通道数赋值给self.out_channels变量  self.out_channels = kwargs["out_channels"][-1]  # 定义一个forward方法，此方法用于定义Darknet类的运算过程，参数x是输入数据  def forward(self, x):  # 依次将输入数据x传入self.layers列表中的每个BaseConv模块进行处理，并将结果赋值给x  for layer in self.layers:  x = layer(x)  # 返回经过所有BaseConv模块处理后的结果x  return x  
##########################################################################################  
# 定义一个名为CSPDarknet的类，继承自nn.Module，这个类代表CSPDarknet网络模型，用于构建CSPDarknet系列的目标检测模型  
class CSPDarknet(nn.Module):  # 定义一个构造函数__init__，此方法用于初始化CSPDarknet类的实例对象  def __init__(self, in_channels, out_channels, **kwargs):  # 调用父类的构造函数，进行基本的初始化操作  super().__init__()  # 根据传入的参数创建多个BaseConv类型的模块和多个Darknet类型的模块，并依次添加到self.conv和self.blocks列表中  self.conv = BaseConv(in_channels, out_channels, **kwargs)  self.blocks = nn.ModuleList([Darknet(out_channels, out_channels * 2, **kwargs) for _ in range(len(kwargs["out_channels"]))])  # 将最后一个Darknet模块的输出通道数赋值给self.out_channels变量  self.out_channels = kwargs["out_channels"][-1] * 2  # 定义一个forward方法，此方法用于定义CSPDarknet类的运算过程，参数x是输入数据  def forward(self, x):  # 将输入数据x传入self.conv模块进行处理，并将结果赋值给x  x = self.conv(x)  # 将处理后的结果x分别传入self.blocks列表中的每个Darknet模块进行处理，并将结果拼接在一起形成一个新的结果x  x = torch.cat([block(x) for block in self.blocks], dim=1)  # 返回经过所有Darknet模块处理后的结果x  return x

Focus

BaseConv

简而言之：卷积 + 激活【是否】

BaseConv是一个基础卷积类，它继承了PyTorch中的nn.Module类，并实现了卷积、批归一化（Batch Normalization）和激活函数等核心操作。BaseConv类的主要参数包括：

• in_channels：输入通道数。
• out_channels：输出通道数。
• ksize：卷积核大小。
• stride：步长。
• groups：分组卷积中的组数，默认为1。
• bias：是否使用bias（偏差），默认为False。
• act：激活函数类型，默认为"silu"。

在BaseConv类中，主要实现了以下三个方法：

• __init__：构造函数，用于初始化BaseConv对象。在构造函数中，会创建一个nn.Conv2d对象（卷积层），一个nn.BatchNorm2d对象（批归一化层）和一个激活函数对象。
• forward：前向传播函数。输入数据x首先经过卷积层和批归一化层，然后通过激活函数进行激活，最终输出结果。
• get_activation：获取激活函数。该函数用于获取指定名称的激活函数对象。

总体来说，BaseConv是一个简单但实用的卷积类，可以作为构建其他复杂卷积网络的基础组件。

DWConv

SPPBottleneck

Darknet

未完待续。。。