YOLOV7主干改进，使用fasternet轻量化改进主干（完整教程）

1，Pconv（来自Fasternet）（可作为模型中的基础卷积模块使用）

论文链接：https://arxiv.org/abs/2303.03667

2，为了大家方便的使用，这里我对原本的PConv的代码做了部分的改动，使得它的参数设置与Conv保持一致。大家直接将这一部分代码放到models/common.py的最后面。

import torch
import torch.nn as nn
import torch.nn.functional as F
class PConv(nn.Module):def __init__(self,dim: int,c2,k,s=1,n_div=2,forward: str = "split_cat",kernel_size: int = 3) -> None:super(PConv, self).__init__()self.dim_conv = dim//n_divself.dim_untouched = dim - self.dim_convself.conv = nn.Conv2d(self.dim_conv,self.dim_conv,kernel_size=k,stride=s,padding=k//2,bias=False)self.bn = nn.BatchNorm2d(dim)self.act = nn.SiLU()def forward(self,x):x1,x2 = torch.split(x,[self.dim_conv,self.dim_untouched],dim=1)x1 = self.conv(x1)x = torch.cat((x1,x2),1)return self.act(self.bn(x))

3，在models/yolo.py中将模块名添加上，大约是752行

4，自己动手diy配置文件yolov7.yaml文件。

这里有一个注意事项，因为PConv本身只是一个基本的卷积操作，因此它并不支持下采样和通道变换操作，因此为了尽可能的简单，大家直接在一些通道前后没改变的地方，没有进行下采样的地方使用PConv即可。