【AlexeyAB DarkNet框架解析】一，框架总览
- 2020 年 2 月 21 日
- 笔记
前言的前言：Darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。而AlexeyAB版本的Darknet是在官方Darknet基础上进行了很多修改，添加了一些新特性，新算法，新Backbone，是最流行的目标检测开源项目之一。
前言
总写一些论文解读自然是不太好的，因为我感觉纸上谈兵用处没那么大，如果你从事深度学习，不静心阅读几个框架那么代码能力肯定是有欠缺的。趁着自己C语言还没有完全忘记，我决定来仔细探索一番AlexeyAB的Darknet框架，所以就有了这个【AlexeyAB DarkNet框架解析】系列。这个系列的更新肯定是十分漫长的，因为里面有很多算法或者特性我也可能还没有怎么学过，所以也是有一些难度，但正所谓硬骨头啃了之后才有营养，所以我决定开这个系列。从今天起，我将尝试做一个最详细的Darknet源码解析（不定期更新），从数据结构到各种新式Backbone再到多种损失函数再到各种新特性等。希望这个系列更新我能和你一起完全掌握这个AlexeyAB版Darknet，并且在阅读代码的能力方面有所提升。值得一提的是AlexeyAB版本Darknet的README.md已经被我们整理成了中文版本，如果你是学术派不是很在意底层代码实现你可以参考README.md去训练或者测试你想要的模型。README.md的中文翻译地址如下：【翻译】手把手教你用AlexeyAB版Darknet 。注意这一节仅仅是框架总览，不会那么详细，后面会非常详细的来逐步分析每个步骤。
Darknet框架分析主线
分析主线的确定
Darknet相比当前训练的C/C++主流框架（如Caffe）来讲，具有编译速度快，依赖少，易部署等众多优点，我们先定位到src/darknet.c里面的main函数，这是这个框架实现分类，定位，回归，分割等功能的初始入口。这一节的核心代码如下，注意一下就是run_yolo只提供了yolo目标检测算法的原始实现。而run_detector函数提供了AlexeyAB添加了各种新特性的目标检测算法，所以之后我们会从这个函数跟进去来解析Darknet框架。Darknet提供的其他功能如run_super（高分辨率重建），run_classifier（图像分类），run_char_rnn（RNN文本识别）有兴趣可以自己去读（这个框架用来做目标检测比较好，其他算法建议还是去其它框架实现吧），本系列只讲目标检测。
if (0 == strcmp(argv[1], "average")){ average(argc, argv); } else if (0 == strcmp(argv[1], "yolo")){ run_yolo(argc, argv); } else if (0 == strcmp(argv[1], "voxel")){ run_voxel(argc, argv); } else if (0 == strcmp(argv[1], "super")){ run_super(argc, argv); } else if (0 == strcmp(argv[1], "detector")){ run_detector(argc, argv); } else if (0 == strcmp(argv[1], "detect")){ float thresh = find_float_arg(argc, argv, "-thresh", .24); int ext_output = find_arg(argc, argv, "-ext_output"); char *filename = (argc > 4) ? argv[4]: 0; test_detector("cfg/coco.data", argv[2], argv[3], filename, thresh, 0.5, 0, ext_output, 0, NULL, 0, 0); } else if (0 == strcmp(argv[1], "cifar")){ run_cifar(argc, argv); } else if (0 == strcmp(argv[1], "go")){ run_go(argc, argv); } else if (0 == strcmp(argv[1], "rnn")){ run_char_rnn(argc, argv); } else if (0 == strcmp(argv[1], "vid")){ run_vid_rnn(argc, argv); } else if (0 == strcmp(argv[1], "coco")){ run_coco(argc, argv); } else if (0 == strcmp(argv[1], "classify")){ predict_classifier("cfg/imagenet1k.data", argv[2], argv[3], argv[4], 5); } else if (0 == strcmp(argv[1], "classifier")){ run_classifier(argc, argv); } else if (0 == strcmp(argv[1], "art")){ run_art(argc, argv); } else if (0 == strcmp(argv[1], "tag")){ run_tag(argc, argv); } else if (0 == strcmp(argv[1], "compare")){ run_compare(argc, argv); } else if (0 == strcmp(argv[1], "dice")){ run_dice(argc, argv); } else if (0 == strcmp(argv[1], "writing")){ run_writing(argc, argv); } else if (0 == strcmp(argv[1], "3d")){ composite_3d(argv[2], argv[3], argv[4], (argc > 5) ? atof(argv[5]) : 0); } else if (0 == strcmp(argv[1], "test")){ test_resize(argv[2]); } else if (0 == strcmp(argv[1], "captcha")){ run_captcha(argc, argv); } else if (0 == strcmp(argv[1], "nightmare")){ run_nightmare(argc, argv); } else if (0 == strcmp(argv[1], "rgbgr")){ rgbgr_net(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "reset")){ reset_normalize_net(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "denormalize")){ denormalize_net(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "statistics")){ statistics_net(argv[2], argv[3]); } else if (0 == strcmp(argv[1], "normalize")){ normalize_net(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "rescale")){ rescale_net(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "ops")){ operations(argv[2]); } else if (0 == strcmp(argv[1], "speed")){ speed(argv[2], (argc > 3 && argv[3]) ? atoi(argv[3]) : 0); } else if (0 == strcmp(argv[1], "oneoff")){ oneoff(argv[2], argv[3], argv[4]); } else if (0 == strcmp(argv[1], "partial")){ partial(argv[2], argv[3], argv[4], atoi(argv[5])); } else if (0 == strcmp(argv[1], "visualize")){ visualize(argv[2], (argc > 3) ? argv[3] : 0); } else if (0 == strcmp(argv[1], "imtest")){ test_resize(argv[2]); } else { fprintf(stderr, "Not an option: %sn", argv[1]); }
跟进run_detector
run_detector函数在src/detector.c里面，这个函数首先有很多超参数可以设置，然后我们可以看到这个函数包含了训练验证，测试，计算Anchors，demo展示，计算map值和recall值等功能。由于训练，测试，验证阶段差不多，我们跟进去一个看看就好，至于后面那几个功能是AlexeyAB添加的，之后再逐一解释。
void run_detector(int argc, char **argv) { int dont_show = find_arg(argc, argv, "-dont_show");//展示图像界面 int benchmark = find_arg(argc, argv, "-benchmark");//评估模型的表现 int benchmark_layers = find_arg(argc, argv, "-benchmark_layers"); //if (benchmark_layers) benchmark = 1; if (benchmark) dont_show = 1; int show = find_arg(argc, argv, "-show"); int letter_box = find_arg(argc, argv, "-letter_box");//是否对图像做letter-box变换 int calc_map = find_arg(argc, argv, "-map");//是否计算map值 int map_points = find_int_arg(argc, argv, "-points", 0); check_mistakes = find_arg(argc, argv, "-check_mistakes");//检查数据是否有误 int show_imgs = find_arg(argc, argv, "-show_imgs");//显示图片 int mjpeg_port = find_int_arg(argc, argv, "-mjpeg_port", -1); int json_port = find_int_arg(argc, argv, "-json_port", -1); char *http_post_host = find_char_arg(argc, argv, "-http_post_host", 0); int time_limit_sec = find_int_arg(argc, argv, "-time_limit_sec", 0); char *out_filename = find_char_arg(argc, argv, "-out_filename", 0); char *outfile = find_char_arg(argc, argv, "-out", 0); char *prefix = find_char_arg(argc, argv, "-prefix", 0);//模型保存的前缀 float thresh = find_float_arg(argc, argv, "-thresh", .25); // 置信度 float iou_thresh = find_float_arg(argc, argv, "-iou_thresh", .5); // 0.5 for mAP float hier_thresh = find_float_arg(argc, argv, "-hier", .5); int cam_index = find_int_arg(argc, argv, "-c", 0);//摄像头编号 int frame_skip = find_int_arg(argc, argv, "-s", 0);//跳帧检测间隔 int num_of_clusters = find_int_arg(argc, argv, "-num_of_clusters", 5); int width = find_int_arg(argc, argv, "-width", -1);// 输入网络的图像宽度 int height = find_int_arg(argc, argv, "-height", -1);// 输入网络的图像高度 // extended output in test mode (output of rect bound coords) // and for recall mode (extended output table-like format with results for best_class fit) int ext_output = find_arg(argc, argv, "-ext_output"); int save_labels = find_arg(argc, argv, "-save_labels"); if (argc < 4) { fprintf(stderr, "usage: %s %s [train/test/valid/demo/map] [data] [cfg] [weights (optional)]n", argv[0], argv[1]); return; } char *gpu_list = find_char_arg(argc, argv, "-gpus", 0);// 多个gpu训练 int *gpus = 0; int gpu = 0; int ngpus = 0; if (gpu_list) { printf("%sn", gpu_list); int len = (int)strlen(gpu_list); ngpus = 1; int i; for (i = 0; i < len; ++i) { if (gpu_list[i] == ',') ++ngpus; } gpus = (int*)xcalloc(ngpus, sizeof(int)); for (i = 0; i < ngpus; ++i) { gpus[i] = atoi(gpu_list); gpu_list = strchr(gpu_list, ',') + 1; } } else { gpu = gpu_index; gpus = &gpu; ngpus = 1; } int clear = find_arg(argc, argv, "-clear"); char *datacfg = argv[3];//存储训练集，验证集，以及类别对应名字等信息的cfg文件 char *cfg = argv[4];//要训练的网络cfg文件 char *weights = (argc > 5) ? argv[5] : 0;//是否有预训练模型 if (weights) if (strlen(weights) > 0) if (weights[strlen(weights) - 1] == 0x0d) weights[strlen(weights) - 1] = 0; char *filename = (argc > 6) ? argv[6] : 0; if (0 == strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, hier_thresh, dont_show, ext_output, save_labels, outfile, letter_box, benchmark_layers);//执行目标检测模型测试 else if (0 == strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear, dont_show, calc_map, mjpeg_port, show_imgs, benchmark_layers);//目标检测模型训练 else if (0 == strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights, outfile);//目标检测模型验证 else if (0 == strcmp(argv[2], "recall")) validate_detector_recall(datacfg, cfg, weights);///计算验证集的召回率 else if (0 == strcmp(argv[2], "map")) validate_detector_map(datacfg, cfg, weights, thresh, iou_thresh, map_points, letter_box, NULL);//计算验证集的map值 else if (0 == strcmp(argv[2], "calc_anchors")) calc_anchors(datacfg, num_of_clusters, width, height, show);//计算验证集的anchors else if (0 == strcmp(argv[2], "demo")) {//demo展示 list *options = read_data_cfg(datacfg); int classes = option_find_int(options, "classes", 20); char *name_list = option_find_str(options, "names", "data/names.list"); char **names = get_labels(name_list); if (filename) if (strlen(filename) > 0) if (filename[strlen(filename) - 1] == 0x0d) filename[strlen(filename) - 1] = 0; demo(cfg, weights, thresh, hier_thresh, cam_index, filename, names, classes, frame_skip, prefix, out_filename, mjpeg_port, json_port, dont_show, ext_output, letter_box, time_limit_sec, http_post_host, benchmark, benchmark_layers); free_list_contents_kvp(options); free_list(options); } else printf(" There isn't such command: %s", argv[2]); if (gpus && gpu_list && ngpus > 1) free(gpus); }
跟进train_detector
由于训练，验证和测试阶段代码几乎是差不多的，只不过训练多了一个反向传播的过程。所以我们主要分析一下训练过程，训练过程是一个比较复杂的过程，不过宏观上大致分为解析网络配置文件，加载训练样本图像和标签，开启训练，结束训练保存模型这样一个过程，部分代码如下（我省略了很多代码，因为这一节是框架总览，后面我们会详细解释的）：
void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear, int dont_show, int calc_map, int mjpeg_port, int show_imgs, int benchmark_layers) { // 从options找出训练图片路径信息，如果没找到，默认使用"data/train.list"路径下的图片信息（train.list含有标准的信息格式：<object-class> <x> <y> <width> <height>）， // 该文件可以由darknet提供的scripts/voc_label.py根据自行在网上下载的voc数据集生成，所以说是默认路径，其实也需要使用者自行调整，也可以任意命名，不一定要为train.list， // 甚至可以不用voc_label.py生成，可以自己不厌其烦的制作一个（当然规模应该是很小的，不然太累了。。。） // 读入后，train_images将含有训练图片中所有图片的标签以及定位信息 list *options = read_data_cfg(datacfg); char *train_images = option_find_str(options, "train", "data/train.txt"); char *valid_images = option_find_str(options, "valid", train_images); char *backup_directory = option_find_str(options, "backup", "/backup/"); network net_map; //如果要计算map if (calc_map) { FILE* valid_file = fopen(valid_images, "r"); if (!valid_file) { printf("n Error: There is no %s file for mAP calculation!n Don't use -map flag.n Or set valid=%s in your %s file. n", valid_images, train_images, datacfg); getchar(); exit(-1); } else fclose(valid_file); cuda_set_device(gpus[0]); printf(" Prepare additional network for mAP calculation...n"); net_map = parse_network_cfg_custom(cfgfile, 1, 1); //分类数 const int net_classes = net_map.layers[net_map.n - 1].classes; int k; // free memory unnecessary arrays for (k = 0; k < net_map.n - 1; ++k) free_layer_custom(net_map.layers[k], 1); char *name_list = option_find_str(options, "names", "data/names.list"); int names_size = 0; //获取类别对应的名字 char **names = get_labels_custom(name_list, &names_size); if (net_classes != names_size) { printf(" Error: in the file %s number of names %d that isn't equal to classes=%d in the file %s n", name_list, names_size, net_classes, cfgfile); if (net_classes > names_size) getchar(); } free_ptrs((void**)names, net_map.layers[net_map.n - 1].classes); } srand(time(0)); // 提取配置文件名称中的主要信息，用于输出打印（并无实质作用），比如提取cfg/yolo.cfg中的yolo，用于下面的输出打印 char *base = basecfg(cfgfile); printf("%sn", base); float avg_loss = -1; // 构建网络：用多少块GPU，就会构建多少个相同的网络（不使用GPU时，ngpus=1） network* nets = (network*)xcalloc(ngpus, sizeof(network)); //设定随机数种子 srand(time(0)); int seed = rand(); int i; // for循环次数为ngpus，使用多少块GPU，就循环多少次（不使用GPU时，ngpus=1，也会循环一次） // 这里每一次循环都会构建一个相同的神经网络，如果提供了初始训练参数，也会为每个网络导入相同的初始训练参数 for (i = 0; i < ngpus; ++i) { srand(seed); #ifdef GPU cuda_set_device(gpus[i]); #endif //解析网络配置文件 nets[i] = parse_network_cfg(cfgfile); //测试某一个网络层的相关指标如运行时间 nets[i].benchmark_layers = benchmark_layers; //如果有预训练模型则加载 if (weightfile) { load_weights(&nets[i], weightfile); } // if (clear) *nets[i].seen = 0; nets[i].learning_rate *= ngpus; } ... }
解析配置文件
截图部分yolov3.cfg网络配置文件如下：
可以看到配置参数大概分为2类：
- 与训练相关的项，以 [net] 行开头的段. 其中包含的参数有:
batch_size, width,height,channel,momentum,decay,angle,saturation, exposure,hue,learning_rate,burn_in,max_batches,policy,steps,scales。 - 不同类型的层的配置参数. 如
[convolutional], [short_cut], [yolo], [route], [upsample]层等。
在src/parse.c中我们会看到一行代码，net->batch /= net->subdivisions;，也就是说batch_size 在 darknet 内部又被均分为 net->subdivisions份, 成为更小的batch_size。 但是这些小的 batch_size 最终又被汇总, 因此 darknet 中的batch_size = net->batch / net->subdivisions * net->subdivisions。此外，和这个参数相关的计算训练图片数目的时候是这样，int imgs = net->batch * net->subdivisions * ngpus;，这样可以保证imgs可以被subdivisions整除，因此，通常将这个参数设为8的倍数。从这里也可以看出每个gpu或者cpu都会训练batch个样本。
我们知道了参数是什么样子，那么darknet是如何保存这些参数的呢？这就要看下基本数据结构了。
数据结构
后面细讲。
前向传播
后面细讲。
反向传播
后面细讲。
注意，讲完数据结构之后讲前向传播和反向传播的时候会深入到每个Layer的前向传播和反向传播，细节会很多，慢慢理解慢慢讲。框架的大概思路就是这个样子，之后会按照这个主线不断的添加代码理解。
后记
大概了解一下我会怎么去读Darknet框架，之后会按照这个主线不断的讲解，欢迎互相交流和学习。
