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