yolov5的cspnet的代码 并每句代码的含义，torch搭建

以下是 YOLOv5 中 CSPNet 的代码，同时有每句代码的注释解释其含义。这里使用 PyTorch 搭建。

import torch
import torch.nn as nn

class CSPBlock(nn.Module):
    def __init__(self, in_channels, out_channels, num_blocks, shortcut=True):
        super(CSPBlock, self).__init__()
        self.shortcut = shortcut
        hidden_channels = out_channels // 2
        
        self.conv1 = nn.Conv2d(in_channels, hidden_channels, kernel_size=1, stride=1, padding=0, bias=False)
        self.bn1 = nn.BatchNorm2d(hidden_channels)
        
        self.conv2 = nn.Conv2d(in_channels, hidden_channels, kernel_size=1, stride=1, padding=0, bias=False)
        self.bn2 = nn.BatchNorm2d(hidden_channels)
        
        self.conv3 = nn.Conv2d(hidden_channels, hidden_channels, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn3 = nn.BatchNorm2d(hidden_channels)
        
        self.conv4 = nn.Conv2d(hidden_channels, hidden_channels, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn4 = nn.BatchNorm2d(hidden_channels)
        
        self.conv5 = nn.Conv2d(hidden_channels, out_channels, kernel_size=1, stride=1, padding=0, bias=False)
        self.bn5 = nn.BatchNorm2d(out_channels)
        
        self.relu = nn.LeakyReLU(0.1)
        
        # 构建每个块的网络结构
        self.blocks = nn.Sequential(*[ResBlock(hidden_channels) for _ in range(num_blocks)])
        
    def forward(self, x):
        y1 = self.conv1(x)
        y1 = self.bn1(y1)
        y1 = self.relu(y1)
        
        y2 = self.conv2(x)
        y2 = self.bn2(y2)
        y2 = self.relu(y2)
        
        y2 = self.conv3(y2)
        y2 = self.bn3(y2)
        y2 = self.relu(y2)
        
        y2 = self.conv4(y2)
        y2 = self.bn4(y2)
        y2 = self.relu(y2)
        
        y1 = torch.cat([y1, y2], dim=1)
        
        y1 = self.conv5(y1)
        y1 = self.bn5(y1)
        y1 = self.relu(y1)
        
        if self.shortcut:
            y1 = torch.cat([x, y1], dim=1)
        
        y1 = self.blocks(y1)
        
        return y1

- `nn.Module`：PyTorch 中的模型基类，所有的自定义模型都需要继承这个类。
- `__init__`：初始化函数，在创建对象时调用，用于初始化模型的各个组件。
- `super`：调用父类的构造函数。
- `in_channels`：输入通道数。
- `out_channels`：输出通道数。
- `num_blocks`：每个块中包含的残差块数量。
- `shortcut`：是否使用跳跃连接。
- `hidden_channels`：每个块中的隐藏通道数，等于输出通道数的一半。
- `nn.Conv2d`：2D 卷积层。
- `kernel_size`：卷积核大小。
- `stride`：步长大小。
- `padding`：填充大小。
- `bias`：是否使用偏置。
- `nn.BatchNorm2d`：2D 批归一化层。
- `nn.LeakyReLU`：LeakyReLU 激活函数。
- `ResBlock`：残差块。
- `nn.Sequential`：一个顺序容器，按照构造函数中传递的顺序执行网络模块。
- `torch.cat`：在指定维度上拼接张量。
- `x`：输入张量。
- `forward`：前向传播函数，定义了前向传播的计算逻辑。