1、在yolov5/models下面新建一个EffectiveSEModule.py文件，在里面放入下面的代码

代码如下：

import torch
from torch import nn as nn
from timm.models.layers.create_act import create_act_layer


class EffectiveSEModule(nn.Module):
    def __init__(self, channels, add_maxpool=False, gate_layer='hard_sigmoid'):
        super(EffectiveSEModule, self).__init__()
        self.add_maxpool = add_maxpool
        self.fc = nn.Conv2d(channels, channels, kernel_size=1, padding=0)
        self.gate = create_act_layer(gate_layer)

    def forward(self, x):
        x_se = x.mean((2, 3), keepdim=True)
        if self.add_maxpool:
            # experimental codepath, may remove or change
            x_se = 0.5 * x_se + 0.5 * x.amax((2, 3), keepdim=True)
        x_se = self.fc(x_se)
        return x * self.gate(x_se)

2、找到yolo.py文件，进行更改内容
在29行加一个from models.EffectiveSEModule import EffectiveSEModule, 保存即可

3、找到自己想要更改的yaml文件，我选择的yolov5s.yaml文件(你可以根据自己需求进行选择），将刚刚写好的模块EffectiveSEModule加入到yolov5s.yaml里面，并更改一些内容。更改如下

4、在yolo.py里面加入两行代码（335-337）
保存即可！