关于pytorch转darknet，各种模型转darknet后没有结果的分析

最新推荐文章于 2024-09-13 17:43:18 发布

原创最新推荐文章于 2024-09-13 17:43:18 发布 · 687 阅读

本内容遵循CC 4.0 BY-SA版权协议

文章详细阐述了Darknet在加载权重文件时，如何根据前三个int型数值（major,minor,revision）判断第四数值的类型，如果是uint64_t则表示训练过程已更新。转换模型到Darknet时，可以设定前三个数值为0,2,0来确保正确解析权重。代码示例展示了这一过程。

在src/parser.c的load_weights_upto函数中可以看出darknet在加载权重前会先读取4个数值。
前3个分别是int型的major，minor，revision，如果(major * 10 + minor) >= 2，第四个数值会按照uint64_t读取，否则按照uint32_t读取。
因此，在转darknet时，如果前三个数值都是0的话，第四个数值是uint32_t类型，即在权重之前写入4个int32。
一般用darknet训练得到的模型(major * 10 + minor) >= 2，所以在转darknet时，我们可以令前三个数值分别是0，2，0，第四个数值是uint64_t类型，即在权重之前写入5个int32。
代码如下:

    fprintf(stderr, "Loading weights from %s...", filename);
    fflush(stdout);
    FILE *fp = fopen(filename, "rb");
    if(!fp) file_error(filename);

    int major;
    int minor;
    int revision;
    fread(&major, sizeof(int), 1, fp);
    fread(&minor, sizeof(int), 1, fp);
    fread(&revision, sizeof(int), 1, fp);
    if ((major * 10 + minor) >= 2) {
        printf("\n seen 64");
        uint64_t iseen = 0;
        fread(&iseen, sizeof(uint64_t), 1, fp);
        *net->seen = iseen;
    }
    else {
        printf("\n seen 32");
        uint32_t iseen = 0;
        fread(&iseen, sizeof(uint32_t), 1, fp);
        *net->seen = iseen;
    }
    *net->cur_iteration = get_current_batch(*net);
    printf(", trained: %.0f K-images (%.0f Kilo-batches_64) \n", (float)(*net->seen / 1000), (float)(*net->seen / 64000));
    int transpose = (major > 1000) || (minor > 1000);

    int i;
    for(i = 0; i < net->n && i < cutoff; ++i){