YOLO11官方代码调试小结1

用作学习积累笔记。

损失函数部分：

1.Na是指你的网络有多少个预测头，yolov7指定了有3个head

2.nt是指你的真实图像GT中有42个真实框

3.target7个维度分别表示1.batch，2.类别(5种) 3456xywh 7ai（他是哪个na，3个框中的哪一个）

4.主干网络的模块都在D:\Pycharm\ultralytics-main\ultralytics\nn\modules\block.py

5.主干网络里面指定的C3k2模块为false

6.Yolov11.yaml的地址：D:\Pycharm\ultralytics-main\ultralytics\cfg\models\11

7.Tasks.py在nn文件夹下，他就是以前的yolo.py文件

m(x) 观看你运行到了第几层

8.走到第二个卷积层，k为3，步长为2，输入x为128

9.y为2时，进入第3层，观察C3k2。

10.C3K2为False时，跳入C2F，执行C2F前向传播过程。

图中看出x先送入cv1计算，也就是先经过卷积然后送入chunk切分

如图所示，切割成2份。

11.self.m实际包含1个Bottleneck模块（例如图片中显示的Bottleneck(c2=32)）。遍历self.m中的模块m（仅1个），对当前y[-1]（即1）进行处理：m(1)输出特征图m1_out，shape保持(B, 16, 64, 64)。torch.cat(y, 1)将3个特征图沿通道拼接，得到(B, 48, 64, 64)。

12.当为true时，先分两条路卷积1，卷积2，然后卷积1走了两个bottleneck模块，z最后把他们俩拼装。

13.C2PSA模块解析：

14.进入forward可以看到他被平均分成了ab两块，b送入了m，最后把他们拼接后送入卷积。

15.M在此处就是一个PSABlock，残差和注意力机制和ffn

注意力机制部分没有创新有待提高。