我把yolov5模型小小的改动了一下，参数量减小了四分之三，但是16.5GFLOPs变成了13GFLOPs，但推理速度并没有降低很多，请问怎么回事呀
在常用的目标检测算法中，不同的图片长宽都不相同，因此常用的方式是将原始图片统一缩放到一个标准尺寸，再送入检测网络中。
比如Yolo算法中常用416416，608608等尺寸，比如对下面800*600的图像进行缩放。
但Yolov5代码中对此进行了改进，也是Yolov5推理速度能够很快的一个不错的trick。
作者认为，在项目实际使用时，很多图片的长宽比不同，因此缩放填充后，两端的黑边大小都不同，而如果填充的比较多，则存在信息冗余，影响推理速度。
因此在Yolov5的代码中datasets.py的letterbox函数中进行了修改，对原始图像自适应的添加最少的黑边。
请问yolov5的推理速度如何查看呢？