目前yolov3在工业界目标检测领域获得了广泛的应用，在github上有很多yolov3源码的资源。现在做深度学习使用pytorch最为方便，在github上pytorch版本的yolov3的star数量最多的的是https://github.com/ultralytics/yolov3和https://github.com/eriklindernoren/PyTorch-YOLOv3这两个。然而，仔细观察这两个项目里，定义yolov3网络结构的文件models.py，可以看到这两个版本的区别。使用beyond compare软件比较这两个项目里的models.py文件。首先看create_modules函数，它们在定义卷积层时，命名有区别，如下图所示：
还有池化层，upsample层等等，都在命名上有区别的。接下来看forward函数，它们的区别在route层的计算上，如下图所示
可以看到，右边的route层计算时，是有if else分支的，而且在else里有一个try except，当进入except时，会进行一个特征图缩小一半的插值计算，小伙伴们有没有发现这个差异呢？我在想，如果使用同一个数据集，在这两个项目里训练，它们的map会不会是一样的呢