YOLOv5 7.0：源码文件索引

07 源码文件索引

根路径：

YOLO/yolov5-7.0/

7.1 任务入口

文件	关键入口	职责
train.py	train, main, run	检测训练、验证、保存、超参进化
val.py	run, process_batch	检测评估、AP、JSON/TXT
detect.py	run	图片/视频/流检测
export.py	run, export_*	多格式模型导出
benchmarks.py	run	导出格式速度和精度基准
hubconf.py	_create, custom, yolov5*	PyTorch Hub
segment/train.py	train	实例分割训练
segment/val.py	run	实例分割评估
segment/predict.py	run	实例分割推理
classify/train.py	train	分类训练
classify/val.py	run	分类评估
classify/predict.py	run	分类推理

7.2 模型核心

文件/类	职责
models/yolo.py::Detect	三尺度 Anchor 检测头与推理解码
models/yolo.py::Segment	Detect + Proto 实例分割头
models/yolo.py::BaseModel	通用前向、profile、fuse
models/yolo.py::DetectionModel	从 YAML 构建检测模型
models/yolo.py::ClassificationModel	分类模型或检测 backbone 改造
models/yolo.py::parse_model	YAML → nn.Sequential
models/common.py::Conv	Conv+BN+SiLU
models/common.py::C3	CSP 主干模块
models/common.py::SPPF	快速空间金字塔池化
models/common.py::Proto	分割原型
models/common.py::Classify	分类头
models/common.py::DetectMultiBackend	多运行时推理
models/common.py::AutoShape	自动预处理/NMS
models/common.py::Detections	结果封装
models/experimental.py::attempt_load	.pt 权重/集成加载

7.3 数据与增强

文件/对象	职责
utils/dataloaders.py::create_dataloader	创建训练/验证 DataLoader
LoadImagesAndLabels	检测数据、标签、缓存、增强
LoadImages	图片/视频推理输入
LoadStreams	摄像头/网络流
LoadScreenshots	屏幕输入
InfiniteDataLoader	复用 worker 的无限迭代器
utils/augmentations.py::letterbox	等比例缩放和 padding
random_perspective	几何增强
augment_hsv	HSV 增强
mixup	MixUp
utils/segment/dataloaders.py	分割数据加载
utils/segment/augmentations.py	分割增强

7.4 损失与指标

文件/对象	职责
utils/loss.py::ComputeLoss	CIoU + Obj BCE + Class BCE
ComputeLoss.build_targets	Anchor/网格正样本匹配
BCEBlurWithLogitsLoss	缓和缺失标签影响
FocalLoss / QFocalLoss	难样本加权
utils/metrics.py::box_iou	IoU 计算
ap_per_class	每类别 P/R/AP
ConfusionMatrix	混淆矩阵
utils/segment/loss.py	分割损失
utils/segment/metrics.py	Mask AP

7.5 通用与 PyTorch 工具

文件	高频内容
utils/general.py	NMS、坐标转换、路径/YAML/数据检查
utils/torch_utils.py	设备、AMP、DDP、EMA、优化器、早停
utils/autoanchor.py	Anchor 适配度检查和进化
utils/autobatch.py	自动估算 batch size
utils/callbacks.py	生命周期事件
utils/loggers/	日志平台适配
utils/plots.py	Annotator、训练图、框绘制
utils/downloads.py	数据与权重下载

7.6 配置文件

路径	内容
models/yolov5n.yaml	Nano 检测模型
models/yolov5s.yaml	Small 检测模型
models/yolov5m.yaml	Medium 检测模型
models/yolov5l.yaml	Large 检测模型
models/yolov5x.yaml	Extra Large 检测模型
models/segment/*.yaml	分割模型
models/hub/*.yaml	P6/P7 与实验结构
data/*.yaml	数据集路径和类别
data/hyps/*.yaml	学习率、损失和增强超参数

7.7 检测主调用链

detect.py::run
  → DetectMultiBackend(...)
      → attempt_load()                  # .pt
  → LoadImages / LoadStreams
      → letterbox()
  → DetectMultiBackend.forward()
      → DetectionModel.forward()
          → BaseModel._forward_once()
              → Detect.forward()
  → non_max_suppression()
  → scale_boxes()
  → Annotator.box_label()
  → cv2.imwrite / VideoWriter

7.8 训练主调用链

train.py::main
  → select_device / DDP 初始化
  → train()
      → check_dataset()
      → Model(...) = DetectionModel(...)
          → parse_model()
      → create_dataloader()
          → LoadImagesAndLabels
      → check_anchors()
      → ComputeLoss(model)
      → epoch
          → model(imgs)
          → compute_loss(pred, targets)
              → build_targets()
          → AMP backward
          → optimizer.step()
          → ModelEMA.update()
          → val.run()
          → torch.save(last/best)

7.9 验证主调用链

val.py::run
  → DetectMultiBackend 或传入 model
  → create_dataloader
  → forward
  → non_max_suppression
  → scale_boxes
  → process_batch
  → ap_per_class
  → P/R/mAP + confusion matrix

7.10 导出函数

export.py 主要导出器：

export_torchscript
export_onnx
export_openvino
export_paddle
export_coreml
export_engine
export_saved_model
export_pb
export_tflite
export_edgetpu
export_tfjs

7.11 推荐阅读顺序

1. detect.py::run()：先理解端到端推理
2. models/yolov5s.yaml：看网络图
3. models/yolo.py::parse_model()：理解 YAML 如何变成模型
4. BaseModel._forward_once()：理解跳连执行
5. Detect.forward()：理解训练输出和推理解码差异
6. utils/general.py::non_max_suppression()：理解后处理
7. utils/dataloaders.py::LoadImagesAndLabels：理解输入与增强
8. utils/loss.py::ComputeLoss：理解监督信号
9. train.py::train()：最后串起 AMP、EMA、DDP、验证与保存
10. 按需要读 segment/、classify/、export.py

7.12 二次开发定位

想修改的能力	优先文件
Backbone/Neck	模型 YAML + models/common.py
检测头解码	models/yolo.py::Detect
新网络模块	models/common.py + parse_model
损失函数	utils/loss.py
正样本分配	ComputeLoss.build_targets
数据增强	utils/augmentations.py、DataLoader __getitem__
NMS	utils/general.py
图片/流输入	utils/dataloaders.py
训练日志	utils/callbacks.py、utils/loggers/
新导出格式	export.py + DetectMultiBackend