返回主目录
返回 Deep Learning 经典网络 model 发展史 目录
上一章：深度篇—— Deep Learning 经典网络 model 发展史(八) 细说 DenseNet 结构和特点
本小节，细说 DarkNet 结构和特点和 各模型与精度
二. 经典网络(Classic Network)
9. DarkNet
(1). 相比于 tensorflow 来说，darknet 并没有那么夸张，但这也成了 darknet 的优势：
①. darknet 完全由 C 语言实现(用 C 和 cuda 编写的开源神经网络框架)，并没有任何依赖项，当然可以使用 opencv，但至少用其来显示图像，为了更好的可视化；
②. darknet 支持 cpu (所以没有 gpu 也不要紧，当然，与 cuda/cudnn 使用 gpu 当然更快更好了)。
③. darknet 安装速度快，易于安装。
④. darknet 为轻量型架构，没有像 tensorflow 那般强大的 API，所以比较灵活，适合用于研究底层，可以更方便的从底层对其进行改进和扩展。
⑤. darknet 的实现与 caffe 的实现存在相似的地方，熟悉了 darknet，对上手 caffe 有帮助。
(2). darknet 的架构：
①. cfg 文件夹内是一些模型的架构，每个 cfg 文件类似于 caffe 的 prototxt 文件，通过该文件定义整个模型的架构。
②. data 文件夹内放置了一些 label 文件，如 COCO 9k 的类别名等，和一些样例图(该文件夹主要为演示图，或者是直接训练 COCO 等对应数据集时有用，如果要用自己的数据进行训练，该文件夹内的东西都不需要)。
③. src 文件夹内全是最底层的框架定义文件，所有层的定义等最基本的函数全部在该文件夹内，可以理解为该文件夹就是框架的源码。
④. examples 文件夹是更为高层的一些函数，如检查函数，识别函数等，这些函数直接调用了底层的函数。
⑤. include 文件，顾名思义，存放头文件的地方
⑥. python 文件夹里是使用 python 对模型的调用方法，还需要用到 darknet 的动态库 libdarknet.so
⑦. scripts 文件夹是一些脚本，如下载 COCO 数据集，将 voc 格式的数据集转换为训练所需格式的脚本等。
⑧. 除了 license 文件，剩下的就是 Makefile 文件。
(3). darknet19 网络描述:
(4). darknet53 网络描述:
(5). YOLO-V3 darknet53 model 网络描述:
10. 各模型与精度 
回主目录
返回 Deep Learning 经典网络 model 发展史 目录
上一章：深度篇—— Deep Learning 经典网络 model 发展史(八) 细说 DenseNet 结构和特点