利用Netron查看YOLOv5的网络结构

1. 下载Netron

Windows端下载Netron并安装：Github网址

下载.exe后安装

在Netron中.pt文件形成可视化结构尚在开发阶段，成果比较简陋，接下来用YOLO自带的脚本生成.onnx文件

2. exprot.py

没有onnx环境的先pip进行安装；

修改配置参数，将模型和数据集修改成自己的，超参数按自己需求修改：

def run(data=ROOT / 'data/coco128.yaml',  # 'dataset.yaml path'
        weights=ROOT / 'yolov5s.pt',  # weights path
        imgsz=(640, 640),  # image (height, width)
        batch_size=1,  # batch size
        device='cpu',  # cuda device, i.e. 0 or 0,1,2,3 or cpu
        include=('torchscript', 'onnx'),  # include formats
        half=False,  # FP16 half-precision export
        inplace=False,  # set YOLOv5 Detect() inplace=True
        train=False,  # model.train() mode
        optimize=False,  # TorchScript: optimize for mobile
        int8=False,  # CoreML/TF INT8 quantization
        dynamic=False,  # ONNX/TF: dynamic axes
        simplify=False,  # ONNX: simplify model
        opset=12,  # ONNX: opset version
        verbose=False,  # TensorRT: verbose log
        workspace=4,  # TensorRT: workspace size (GB)
        nms=False,  # TF: add NMS to model
        agnostic_nms=False,  # TF: add agnostic NMS to model
        topk_per_class=100,  # TF.js NMS: topk per class to keep
        topk_all=100,  # TF.js NMS: topk for all classes to keep
        iou_thres=0.45,  # TF.js NMS: IoU threshold
        conf_thres=0.25  # TF.js NMS: confidence threshold
        ):

执行后生成.onnx文件；

用Netron打开.onnx文件得到完整的网络模型，以YOLOv5s为例：

看着都头大，具体结构接下去再仔细分析