如何打印YOLOv5模型（.pt格式文件）的模型摘要？

核心原因 #

YOLOv5采用Ultralytics自定义的嵌套模型结构（比如Focus、Detect这类特殊层），torchsummary、torchstat这类工具仅支持简单序列模型，无法解析这种复杂自定义结构；直接调用torchinfo也会因模型forward逻辑的特殊性报错。

有效解决方案 #

方法1：用YOLOv5内置的summary()方法（最简便） #

Ultralytics官方为YOLOv5模型内置了适配性极强的summary方法，直接调用就能输出每一层的输入输出维度、参数数量等信息：

import torch

# 加载模型（远程预训练模型或本地.pt模型均可）
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', device='cpu')
# 若加载本地模型：model = torch.hub.load('ultralytics/yolov5', 'custom', path='your_model.pt', device='cpu')

# 调用内置方法
model.summary()

方法2：适配torchinfo的正确调用方式 #

如果偏好使用torchinfo，需要先将模型切换到评估模式，并传入实际输入张量让工具追踪forward流程：

import torch
from torchinfo import summary

model = torch.hub.load('ultralytics/yolov5', 'yolov5s', device='cpu')
model.eval()  # 避免BatchNorm、Dropout层干扰解析

# 构造符合模型要求的输入张量（batch_size, channels, height, width）
input_tensor = torch.randn(1, 3, 640, 640)

# 传入输入张量调用summary
summary(model, input_data=input_tensor)

之前尝试报错的原因 #

• torchstat：仅支持简单线性序列模型，无法解析YOLOv5的嵌套自定义模块。
• torchsummary：对复杂自定义结构兼容性差，且默认依赖GPU环境，无法处理YOLOv5的Detect等特殊层。
• 直接用summary(model, (1,3,640,640))：未传入实际输入张量，torchinfo无法正确推断模型forward路径，触发结构解析错误。

内容的提问来源于stack exchange，提问作者user3303020