yolov5 gnconv代码

以下是 YOLOv5 中使用的GNConv层的代码实现：

import torch.nn as nn
import torch.nn.functional as F
from torch.nn.modules.utils import _pair
from torch.nn import Conv2d

class GNConv(nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size, stride=1, padding=0, bias=True, num_groups=32):
        super(GNConv, self).__init__()
        self.conv = nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding, bias=bias)
        self.group_norm = nn.GroupNorm(num_groups, out_channels)

    def forward(self, x):
        x = self.conv(x)
        x = self.group_norm(x)
        return F.relu(x, inplace=True)

其中，`GNConv` 继承自 `nn.Module` 类，重写了 `__init__` 和 `forward` 方法。在 `__init__` 方法中，首先调用了 `nn.Conv2d` 创建卷积层，然后创建了 `nn.GroupNorm` 层，其中 `num_groups` 参数指定了分组数。`forward` 方法中，首先对输入进行卷积操作，然后对卷积结果进行 Group Normalization，最后通过 ReLU 激活函数进行激活。注意，这里的 Group Normalization 和 Batch Normalization 类似，但是是对每个通道的特征图进行分组，而不是对每个样本进行归一化。