整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py脚本。而该系列博文也遵循该顺序来逐行分析代码。注意是逐行，包括python语法，tensor维度和逐行代码的作用及应用。其实网络结构本没有任何神秘的地方，都是一些模块堆叠起来的，你完全可以没有任何理由的修改任何一个模块。看完这个系列后自己完全可以随便的去对任何网络结构做手脚，而不仅仅局限于一个调参者。
本篇讲的是YOLOX中解耦Head的搭建，在这之前一定先要看前面几篇博文，否则本篇会有很多内容看不明白。
上图是YOLOX整个解耦头的网络结构图。黄色字体为代码中的中间变量，方便理解。维度则是当采用yolox_s网络时整个网络的输出特征维度，并默认检测类别有8个。首先要明白什么是解耦头：解耦头就是将分类和检测任务分开单独进行。分类任务和回归任务在原理上是完全不一样的，将其分开进行预测，对结果的准确度是有提高的，实时证明也确实是这样的。解