yolov5bottleneck模块

YOLOv5中的Bottleneck模块是在BottleneckCSP中使用的，BottleneckCSP由Bottleneck*N和另外一个从原先变换来的同样维数也为原先的1/2的结构拼接（concat）组成。具体来说，Bottleneck模块由以下几个步骤组成：

1. 1x1卷积层：将输入的通道数降维，减少计算量。

nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=1, padding=0, bias=False)

2. 3x3卷积层：使用3x3的卷积核进行卷积操作。

nn.Conv2d(out_channels // 2, out_channels // 2, kernel_size=3, stride=stride, padding=1, groups=out_channels // 2, bias=False)

3. 残差连接：将输入直接与输出相加，形成残差连接。

x = x + shortcut

4. Concat：将残差连接的结果与另一个从原先变换来的同样维数也为原先的1/2的结构拼接（concat）。

x = torch.cat([x, x], dim=1)

5. 1x1卷积层：将通道数恢复到原来的大小。

nn.Conv2d(out_channels, out_channels, kernel_size=1, stride=1, padding=0, bias=False)

以上就是YOLOv5中Bottleneck模块的具体实现过程。