2023.7.24： 才画出这个图，作者就更新了v2.0版本，改了网络结构。。。。 所以以下的结构图只适用于yolov5_v1.0版本。 之后笔者再更新v2.0版本的结构图。 2023.7.28： 笔者今天仔细看了一下新的结构yaml配置文件，发现其实网络结构没有变(之前笔者只是大概的看了一下github上的commit记录，看到很多删除和添加，就以为改动很大。。。），他只是把下图中neck部分的第一个BottleneckCSP (1024,1024) x3纳入到了backbone里，然后把output中的卷积Conv2d放到了models/yolo.py/Detect()类里计算，如果更新结构图的话也只是把neck最下面的BottleneckCSP块移到SPP块的下面，所以就暂时不更新结构图了，以下结构图依然适用。 v2.0版本yolov5x mAP有提升，但yolov5s mAP却下降了，目前主要的改变是：训练策略的改变，包括余弦退火的公式更新了，以及类别损失cls_loss的系数gain，对数据进行仿射变换(dataset.py数据增强部分)的超参数进行调整，三个output的损失比重balance的调整。
2023.8.15 yolov5更新了v3.0版本 主要做出的变化是，采用了hardswish激活函数替换CONV(下图右下角模块)模块的LeakyReLu，但是注意：BottleneckCSP模块中的LeakyReLu未被替换，采用了CIOU作为损失函数(但这个更新好像是还在v2.0版本过渡的时候已经更新)，还更改了一个默认超参数:translate=0.5 → 0.1(数据增强的仿射系数)。
2023.8.16 结构图已更新，将上述2023.7.28提到的的BottleneckCSP模块纳入到backbone中，并更新CONV模块的激活函数hardswish.
2023.12.25 有读者发现网络结构图有些细节画错了，BottleneckCSP处最后应该是CONV模块，SPP模块concat通道应该是(c_in*2)，已更新。
2023.01.06 更新yolov5-4.0网络结构，C3结构替换BottleneckCSP。CONV的激活函数换成SiLU，目前发现的其他改变是三个output的损失比重balance的调整balance = [4.0, 1.0, 0.4] → [4.0, 1.0, 0.3]
2023.04.25 更新yolov5-5.0网络结构，增加一层通道数768的特征图 level，spp模块中的池化由[5,9,13]→[3,5,7]。 （直接照着新的yolov5l6.yaml画的，如果有错请指正，谢谢）