v1.1 几个总结：
- [1]. 调整tf.keras.layers.BatchNormalization的__call__方法中training=True
- [2]. 新增TFLite/onnx格式导出与验证，详见
/data/h5_to_tflite.py,/data/h5_to_onnx.py - [3]. 修改backbone网络里batch_size，在训练和测试时需指定，避免tflite导出时FlexOps问题
- [4]. YoloHead里对类别不再做softmax，直接sigmoid，支持多类别输出
- [5]. release里的
yolov5s-best.h5为kaggle猫狗脸数据集的重新训练权重，训练:测试为8:2，val精度大概如下：
| class | mAP@0.5 | mAP@0.5:0.95 | precision | recall |
|---|---|---|---|---|
| cat | 0.962680 | 0.672483 | 0.721003 | 0.958333 |
| dog | 0.934285 | 0.546893 | 0.770701 | 0.923664 |
| total | 0.948482 | 0.609688 | 0.745852 | 0.940999 |
- [6]. release里的
yolov5s-best.tflite为上述yolov5s-best.h5的tflite量化模型，建议用Netron软件打开查看输入输出 - [7]. release里的
yolov5s-best.onnx为上述yolov5s-best.h5的onnx模型，建议用Netron软件打开查看输入输出 - [8]. android 模型测试效果如下：
就这样，继续加油！💪🏻💪🏻💪🏻