比如改一个多输入模块，我们需要记录输入1的通道，输入2的通道，Conv_reduce的输入通道
YOLO中这个模块接受层1和层2的作为输入，那么层1和层2的输出通道肯定是知道的，所以现在只需要在yaml里面标记整个模块的输出通道即可。
class AF(nn.Module): def __init__(self,c1,c2,dim1,dim2): super().__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.conv_atten = nn.Sequential( nn.Conv2d(c1, c1,1), nn.Sigmoid() ) self.conv_redu = nn.Conv2d(c1, c2, kernel_size=1, bias=False) self.conv1 = nn.Conv2d(dim1, 1, 1, 1) self.conv2 = nn.Conv2d(dim2, 1, 1, 1) self.nonlin = nn.Sigmoid() def forward(self, x): output = torch.cat(x,1) att = self.conv_atten(self.avg_pool(output)) #print(att.shape) output = output * att output = self.conv_redu(output) #print(output.shape) att = self.conv1(x[0]) + self.conv2(x[1]) att = self.nonlin(att) #print(att.shape) output = output * att return output- [[-1, 6], 1, AF, [32]] # cat backbone P4例如这条yaml，接受第6层和上一层的输入，输出通道数为32。这里参数为什么是一个？因为这里只需要给出输出通道数即可，其他参数可以再网络的记录中得到。
elif m is AF: c1 = sum(ch[x] for x in f) c3 = ch[f[0]] c4 = ch[f[1]] c2 = args[0] args = [c1,c2,c3,c4] print(args)f是一个表表示来自那一层，这里的f里面就保存的内容相当于【-1,6】的索引，ch是每一层的输出通道数，ch[层索引]不就得到某层的输出通道了。这里随便借助一个中间变量，c1,c2,c3,c4，记录参数后，合成列表【c1,c2,c3,c4】
torch.nn.Sequential(*(m(*args))m相当于类名称，加入类名为AF,不就相当于AF(c1,c2,c3,c4)吗
