Ultralytics：解读Concat模块
前言
- 由于本人水平有限，难免出现错漏，敬请批评改正。
- 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看
- YOLOs-CPP：一个免费开源的YOLO全系列C++推理库（以YOLO26为例）
- PaddleOCR：Win10上安装使用PPOCRLabel标注工具
- 目标检测：使用自己的数据集微调DEIMv2进行物体检测
- 图像分割：PyTorch从零开始实现SegFormer语义分割
- 图像超分：使用自己的数据集微调Real-ESRGAN-x4plus进行超分重建
- 图像生成：PyTorch从零开始实现一个简单的扩散模型
- Stable Diffusion：使用自己的数据集微调 Stable Diffusion 3.5 LoRA 文生图模型
- 图像超分：使用自己的数据集微调Real-ESRGAN-x2plus进行超分重建
- Anomalib：使用Anomalib 2.1.0训练自己的数据集进行异常检测
- Anomalib：在Linux服务器上安装使用Anomalib 2.1.0
- 人工智能混合编程实践：C++调用封装好的DLL进行异常检测推理
- 人工智能混合编程实践：C++调用封装好的DLL进行FP16图像超分重建（v3.0）
- 隔离系统Python：源码编译3.11.8到自定义目录（含PGO性能优化）
- 在线机的Python环境迁移到离线机上
- Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件
- Ultralytics：使用 YOLO11 进行速度估计
- Ultralytics：使用 YOLO11 进行物体追踪
- Ultralytics：使用 YOLO11 进行物体计数
- Ultralytics：使用 YOLO11 进行目标打码
- 人工智能混合编程实践：C++调用Python ONNX进行YOLOv8推理
- 人工智能混合编程实践：C++调用封装好的DLL进行YOLOv8实例分割
- 人工智能混合编程实践：C++调用Python ONNX进行图像超分重建
- 人工智能混合编程实践：C++调用Python AgentOCR进行文本识别
- 通过计算实例简单地理解PatchCore异常检测
- Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集
- YOLOv8 Ultralytics：使用Ultralytics框架训练RT-DETR实时目标检测模型
- 基于DETR的人脸伪装检测
- YOLOv7训练自己的数据集（口罩检测）
- YOLOv8训练自己的数据集（足球检测）
- YOLOv5：TensorRT加速YOLOv5模型推理
- YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
- 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
- YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
- YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
- Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
- YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
- 使用Kaggle GPU资源免费体验Stable Diffusion开源项目
- Stable Diffusion：在服务器上部署使用Stable Diffusion WebUI进行AI绘图（v2.0）
- Stable Diffusion：使用自己的数据集微调训练LoRA模型（v2.0）
相关介绍
Ultralytics 简介
Ultralytics 基于多年的计算机视觉和人工智能基础研究，创建了最先进的 (SOTA) YOLO 模型。我们的模型不断更新性能和灵活性，快速、准确且易于使用。他们擅长对象检测、跟踪、实例分割、语义分割、图像分类和姿势估计任务。
前提条件
- 熟悉Python、Pytorch
实验环境
bash
Package Version
------------------------ ------------
Python 3.11.8
absl-py 2.4.0
accelerate 1.13.0
annotated-doc 0.0.4
anyio 4.13.0
calflops 0.3.2
certifi 2026.4.22
charset-normalizer 3.4.7
click 8.3.3
colorama 0.4.6
contourpy 1.3.3
cycler 0.12.1
filelock 3.29.0
flatbuffers 25.12.19
fonttools 4.62.1
fsspec 2026.4.0
grpcio 1.80.0
h11 0.16.0
hf-xet 1.5.0
httpcore 1.0.9
httpx 0.28.1
huggingface_hub 1.14.0
idna 3.15
Jinja2 3.1.6
kiwisolver 1.5.0
Markdown 3.10.2
markdown-it-py 4.2.0
MarkupSafe 3.0.3
matplotlib 3.10.9
mdurl 0.1.2
ml_dtypes 0.5.0
mpmath 1.3.0
networkx 3.6.1
numpy 1.26.4
nvidia-cublas-cu12 12.8.3.14
nvidia-cuda-cupti-cu12 12.8.57
nvidia-cuda-nvrtc-cu12 12.8.61
nvidia-cuda-runtime-cu12 12.8.57
nvidia-cudnn-cu12 9.7.1.26
nvidia-cufft-cu12 11.3.3.41
nvidia-cufile-cu12 1.13.0.11
nvidia-curand-cu12 10.3.9.55
nvidia-cusolver-cu12 11.7.2.55
nvidia-cusparse-cu12 12.5.7.53
nvidia-cusparselt-cu12 0.6.3
nvidia-nccl-cu12 2.26.2
nvidia-nvjitlink-cu12 12.8.61
nvidia-nvtx-cu12 12.8.55
onnx 1.19.0
onnxruntime-gpu 1.26.0
onnxslim 0.1.94
opencv-python 4.6.0.66
packaging 26.2
pillow 12.2.0
pip 24.0
polars 1.40.1
polars-runtime-32 1.40.1
protobuf 7.34.1
psutil 7.2.2
pycocotools 2.0.11
Pygments 2.20.0
pyparsing 3.3.2
python-dateutil 2.9.0.post0
PyYAML 6.0.3
regex 2026.5.9
requests 2.34.1
rich 15.0.0
safetensors 0.7.0
scipy 1.16.0
setuptools 65.5.0
shellingham 1.5.4
six 1.17.0
sympy 1.14.0
tabulate 0.10.0
tensorboard 2.20.0
tensorboard-data-server 0.7.2
tokenizers 0.22.2
torch 2.7.1+cu128
torchaudio 2.7.1+cu128
torchvision 0.22.1+cu128
tqdm 4.67.3
transformers 5.8.1
triton 3.3.1
typer 0.25.1
typing_extensions 4.15.0
ultralytics 8.4.58
ultralytics-thop 2.0.19
urllib3 2.7.0
Werkzeug 3.1.8Concat（张量拼接模块）
Concat 是 torch.cat 的简单封装，用于在指定维度上拼接多个张量。在目标检测模型（如 YOLO）中，它常用于特征金字塔（FPN）的跨层级特征融合，将不同尺度的特征图在通道维度（或批维度）上拼接，以增强多尺度表示能力。
代码实现
python
import cv2
import math
import torch
import numpy as np
import matplotlib.pyplot as plt
from torch import nn
class Concat(nn.Module):
"""Concatenate a list of tensors along specified dimension.
Attributes:
d (int): Dimension along which to concatenate tensors.
"""
def __init__(self, dimension=1):
"""Initialize Concat module.
Args:
dimension (int): Dimension along which to concatenate tensors.
"""
super().__init__()
self.d = dimension
def forward(self, x: list[torch.Tensor]):
"""Concatenate input tensors along specified dimension.
Args:
x (list[torch.Tensor]): List of input tensors.
Returns:
(torch.Tensor): Concatenated tensor.
"""
return torch.cat(x, self.d)功能
- 简单拼接：将输入张量列表按指定维度连接，不改变各张量的数值，仅沿维度方向堆叠。
- 灵活配置 ：通过
dimension参数指定拼接维度（默认为 1，即通道维度），适应不同需求。 - 即插即用：常用于网络结构中的特征融合，如将上采样后的深层特征与浅层特征拼接。
初始化参数
| 参数 | 类型 | 说明 |
|---|---|---|
dimension |
int | 拼接维度（默认 1），例如 dimension=1 表示沿通道维拼接。 |
该模块没有可学习参数，仅做张量操作。
前向方法
forward(x)：输入x为张量列表，返回值是torch.cat(x, self.d)。
使用示例
python
if __name__ == '__main__':
# 1. 读取图像
img_path = "cat_640x640.png"
img_bgr = cv2.imread(img_path)
if img_bgr is None:
raise FileNotFoundError(f"图片 {img_path} 不存在！")
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
img_tensor = torch.from_numpy(img_rgb).float().permute(2, 0, 1).unsqueeze(0) # [1, 3, 640, 640]
# 2. 创建水平翻转图像（用于拼接对照）
flipped = torch.flip(img_tensor, dims=[3]) # [1, 3, 640, 640]
# 3. 沿通道维拼接（dimension=1）
concat = Concat(dimension=1)
out = concat([img_tensor, flipped]) # [1, 6, 640, 640]
print("拼接后形状:", out.shape)
# 4. 拆分拼接后的前 3 通道（原图）和后 3 通道（翻转图）
out_rgb1 = out[0, :3, :, :].cpu().numpy() # [3, 640, 640]
out_rgb2 = out[0, 3:, :, :].cpu().numpy() # [3, 640, 640]
# 转置为 HWC 格式便于 matplotlib 显示
out_rgb1 = np.transpose(out_rgb1, (1, 2, 0))
out_rgb2 = np.transpose(out_rgb2, (1, 2, 0))
# 归一化到 [0, 255] uint8（便于显示）
def normalize(img):
img = (img - img.min()) / (img.max() - img.min() + 1e-8) * 255
return img.astype(np.uint8)
out_rgb1 = normalize(out_rgb1)
out_rgb2 = normalize(out_rgb2)
# 原图和翻转图（用于对比）
orig = img_rgb
flipped_np = flipped[0].cpu().numpy().transpose(1, 2, 0).astype(np.uint8)
# 5. 可视化：原图、翻转图、拼接前3通道、拼接后3通道
plt.figure(figsize=(16, 5), constrained_layout=True)
plt.subplot(1, 4, 1)
plt.imshow(orig)
plt.title("Original")
plt.axis("off")
plt.subplot(1, 4, 2)
plt.imshow(flipped_np)
plt.title("Flipped")
plt.axis("off")
plt.subplot(1, 4, 3)
plt.imshow(out_rgb1)
plt.title("Concatenated (first 3 ch)")
plt.axis("off")
plt.subplot(1, 4, 4)
plt.imshow(out_rgb2)
plt.title("Concatenated (last 3 ch)")
plt.axis("off")
plt.savefig("concat_visualization.png", dpi=150)
# plt.show() # 若在远程服务器，建议注释
print("可视化已保存为 concat_visualization.png")输出示例：
拼接后形状: torch.Size([1, 6, 640, 640])
可视化已保存为 concat_visualization.png流程示意图
代码解读
__init__ 方法
- 存储拼接维度
self.d，默认值为 1（通道维），因为在 CNN 特征融合中，通常沿通道拼接不同层的特征。
forward 方法
- 直接调用
torch.cat(x, self.d)，对输入列表进行拼接。 - 要求列表中各张量在非拼接维度上的尺寸完全一致，否则会报错。
注意事项
- 输入必须为列表或元组 ：
forward期望接收一个可迭代对象，且内部元素均为torch.Tensor。 - 维度一致性 ：所有张量在除拼接维度外的其他维度上必须具有相同的形状，否则
torch.cat会抛出RuntimeError。 - 支持负维度索引 ：
dimension可为负数（如-1表示最后一维），但使用时需注意区分。 - 无梯度计算影响：拼接本身是可微的，梯度会正确传播到各个输入张量。
- 常见场景 ：在 YOLOv8 的 Head 部分，
Concat用于将上采样后的深层特征与骨干网络的同尺度特征拼接，以便后续检测头利用多层级信息。
优缺点
优点
- 实现极简：仅一行代码，轻量无开销。
- 通用性强：可用于任意维度的拼接，不仅限于通道维。
- 与网络结构兼容 ：在 PyTorch 中，
Concat可无缝嵌入nn.Sequential或作为子模块使用。 - 易于理解：功能单一，行为清晰，便于调试和可视化。
缺点
- 功能过于简单 ：几乎等同于直接调用
torch.cat，额外封装的意义有限（仅为了统一模块风格或便于配置文件解析）。 - 缺乏输入校验：不检查张量尺寸是否匹配，可能将错误推迟到运行时。
- 灵活性受限：无法支持拼接前的预处理（如归一化或缩放），若有需求需额外添加。
在 YOLOv8 等模型中，Concat 通常出现在 Neck 部分的特征融合阶段，配合 Upsample 和 C2f 一起构建特征金字塔。虽然它只是一个简单的拼接操作，但作为模块化设计的一部分，有利于网络结构的可视化配置（如通过 YAML 文件描述）。在实际开发中，若需更强大的融合机制，可考虑 Add（相加）或加权融合等替代方案。
参考文献
1 https://docs.ultralytics.com/
2 https://github.com/ultralytics/ultralytics.git
- 由于本人水平有限，难免出现错漏，敬请批评改正。
- 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看
- YOLOs-CPP：一个免费开源的YOLO全系列C++推理库（以YOLO26为例）
- PaddleOCR：Win10上安装使用PPOCRLabel标注工具
- 目标检测：使用自己的数据集微调DEIMv2进行物体检测
- 图像分割：PyTorch从零开始实现SegFormer语义分割
- 图像超分：使用自己的数据集微调Real-ESRGAN-x4plus进行超分重建
- 图像生成：PyTorch从零开始实现一个简单的扩散模型
- Stable Diffusion：使用自己的数据集微调 Stable Diffusion 3.5 LoRA 文生图模型
- 图像超分：使用自己的数据集微调Real-ESRGAN-x2plus进行超分重建
- Anomalib：使用Anomalib 2.1.0训练自己的数据集进行异常检测
- Anomalib：在Linux服务器上安装使用Anomalib 2.1.0
- 人工智能混合编程实践：C++调用封装好的DLL进行异常检测推理
- 人工智能混合编程实践：C++调用封装好的DLL进行FP16图像超分重建（v3.0）
- 隔离系统Python：源码编译3.11.8到自定义目录（含PGO性能优化）
- 在线机的Python环境迁移到离线机上
- Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件
- Ultralytics：使用 YOLO11 进行速度估计
- Ultralytics：使用 YOLO11 进行物体追踪
- Ultralytics：使用 YOLO11 进行物体计数
- Ultralytics：使用 YOLO11 进行目标打码
- 人工智能混合编程实践：C++调用Python ONNX进行YOLOv8推理
- 人工智能混合编程实践：C++调用封装好的DLL进行YOLOv8实例分割
- 人工智能混合编程实践：C++调用Python ONNX进行图像超分重建
- 人工智能混合编程实践：C++调用Python AgentOCR进行文本识别
- 通过计算实例简单地理解PatchCore异常检测
- Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集
- YOLOv8 Ultralytics：使用Ultralytics框架训练RT-DETR实时目标检测模型
- 基于DETR的人脸伪装检测
- YOLOv7训练自己的数据集（口罩检测）
- YOLOv8训练自己的数据集（足球检测）
- YOLOv5：TensorRT加速YOLOv5模型推理
- YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
- 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
- YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
- YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
- Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
- YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
- 使用Kaggle GPU资源免费体验Stable Diffusion开源项目
- Stable Diffusion：在服务器上部署使用Stable Diffusion WebUI进行AI绘图（v2.0）
- Stable Diffusion：使用自己的数据集微调训练LoRA模型（v2.0）