YOLOv5目标检测之网络剪枝实战

PyTorch版的YOLOv5是一个当前非常流行的目标检测器，本课程使用Network Slimming剪枝方法对YOLOv5进行网络剪枝，使其更加轻量和实用。

Network Slimming是一种经典实用的模型压缩方法，可实现方便高效的通道级别的结构化剪枝。

该方法通过利用BN（Batch Normalization）层中缩放因子较小的值来剪裁的相应通道，达到精简网络的目的。步骤包括：增加稀疏正则化的训练、网络模型剪枝、剪枝后的网络模型微调。

本课程在YOLOv5 v6.1版本代码的基础上增加Network Slimming剪枝方法，在Windows和Ubuntu系统上演示针对自己的数据集训练和进行网络剪枝过程，并讲解原代码针对剪枝的修改部分。

本课程分为原理篇、实战篇、代码讲解篇。

- 原理篇包括：网络剪枝的基础知识、Network Slimming剪枝原理。

- 实战篇包括：PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、正常训练自己的数据集、稀疏化训练、网络模型剪枝、剪枝后的网络模型微调。

- 代码讲解篇包括：剪枝代码修改说明和具体修改代码的讲解。