yolov2到caffe的移植主要分兩個步驟：

一、cfg,weights轉換為prototxt,caffemodel

1.下載源碼：

git clone https://github.com/marvis/pytorch-caffe-darknet-convert.git

2.安裝pytorch，使用conda指令：(需要有torch模塊)

conda install pytorch torchvision cuda80 -c soumith [這里cuda換成自己對應的版本]

3.cd pytorch-caffe-darknet-conver目錄

輸入命令：python darknet2caffe cfg/*.cfg cfg/*.weights cfg/*.prototxt cfg/*.caffemodel

注意：這里如果cfg文件中存在route層，則需要修改其對應部分。(這里只針對route層存在2個參數(shù)的情況)

[

elif block['type'] == 'route':

#pdb.set_trace()

prev_layer_id1 = layer_id + int(block['layers'][:2])

prev_layer_id2 = layer_id + int(block['layers'][-2:])

bottom1 = topnames[prev_layer_id1]

bottom2 = topnames[prev_layer_id2]

route_layer = OrderedDict()

route_layer['bottom'] = [bottom1, bottom2]

if block.has_key('name'):

route_layer['top'] = block['name']

route_layer['name'] = block['name']

else:

route_layer['top'] = 'layer%d-route' % layer_id

route_layer['name'] = 'layer%d-route' % layer_id

route_layer['type'] = 'Concat'

layers.append(route_layer)

bottom = route_layer['top']

topnames[layer_id] = bottom

layer_id = layer_id + 1

]

如此便得到相應的prototxt文件和caffemodel文件

二、caffe實現(xiàn)darknet的訓練

1.下載caffe-yolov2源碼：

git clone https://github.com/gklz1982/caffe-yolov2.git

2.對caffe-yolov2進行編譯，編譯方式同編譯caffe一致

3.將自己的VOC格式數(shù)據(jù)拷貝至./data/yolo/VOCdevkit下

(1) python get_list.py -- 獲得相應的trainval.txt和test_2007.txt

(2) sh convert.sh -- 生成需要訓練的lmdb格式數(shù)據(jù)(需要修改convert.sh的內(nèi)部參數(shù))

(3) 修改label_map.txt文件

4.修改prototxt等相關文件，開始訓練

(1) cd ./examples/yolo

(2) mkdir dense-yolo_v1

(3) 將根據(jù)cfg和weights生成的prototxt以及caffemodel文件拷貝至dense-yolo_v1文件夾下

(4) 對照../darknet_v3/gnet_region_train_darknet_v3.prototxt修改自己的prototxt，一個是修改data層，另外一個是region層。

(5) 同理對solver文件等。

(6) 將../darknet_v3/train_darknet_v3.sh拷貝至dense-yolo_v1文件夾下,修改相關參數(shù)

(7) sh train_darknet.sh

(8) 開始訓練

具體結果還在等待。。。

總結

以上是生活随笔為你收集整理的yolov2移植到android,darknet(yolov2)移植到caffe框架的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。