（轉）Darknet模型與Tensorflow模型相互轉換

目前darknet框架下的模型訓練都是在C環境下訓練的，不免較爲晦澀，若是能將模型轉換到Tensorflow環境下完成模型的訓練，在將訓練好的權重轉爲Darknet能夠識別的權重部署到實際應用中。這樣就能夠將算法的訓練和實際部署分開！

一、將Darknet框架下的.cfg與.weights 轉爲Tensorflow框架下的.cpkt模型

先clone這個項目，用於darknet模型轉tensorflow

https://github.com/Linzmin1927/DW2TF
cd 到DW2TF目錄下，而後執行

python3 main.py \
--cfg 'data/yolov3-tiny.cfg' \
--weights 'data/yolov3-tiny.weights' \
--output 'tf_file/' \
--prefix 'yolov3-tiny/' \
--gpu 0

能夠在tf_file中查看相關生成的ckpt文件與pd文件

 

在python中執行如下腳本，能夠查看網絡結構和各個權重

import tensorflow as tf
from tensorflow.python import pywrap_tensorflow
 
tf.reset_default_graph()
 
model_dir = "tf_files"   # ckpt文件目錄
ckpt = tf.train.get_checkpoint_state(model_dir)
ckpt_path = ckpt.model_checkpoint_path
 
# 加載圖結構
reader = pywrap_tensorflow.NewCheckpointReader(ckpt_path)
param_dict = reader.get_variable_to_shape_map()
 
 # 打印圖中變量
for key, val in param_dict.items():
    try:
        print(key, val)
    except:
        pass
 
# 加載權重數據
saver = tf.train.import_meta_graph(ckpt_path+'.meta',clear_devices=True)
graph = tf.get_default_graph()
with tf.Session( graph=graph) as sess:
    sess.run(tf.global_variables_initializer()) 
    saver.restore(sess,ckpt_path) 
 
#啓動TensorBoard
summaryWriter = tf.summary.FileWriter('log/', tf.get_default_graph())
 
# 查看第一個卷積層的卷積權重
key = 'yolov3-tiny/convolutional1/kernel'
w = reader.get_tensor(key)
print(type(w))
print(w.shape)
print(w)

能夠看到網絡第一層卷積層卷積權重打印出來

 

而後在根目錄下打開cmd 輸入 tensorboard --logdir log/ 啓動tensorboard服務，在瀏覽器中輸入http://localhost:6006/ 能夠查看當前網絡結構

 

二、darknet 與 tensorflow 權重數據解析與轉換

若是須要將Tensorflow的權重數據轉爲Darknet的權重，須要進一步解析兩個框架下權重保存的數據格式。

分別打開 yolov3.weights文件和yolov3-tiny.ckpt.data-00000-of-00001文件。

yolov3.weights文件(Darknet)

 

yolov3-tiny.ckpt.data-00000-of-00001文件(Tensorflow)

 

能夠看到權重值是同樣的，yolov3.weights文件中還包含了權重版本信息和迭代訓練次數！因此只要Tensorflow網絡結構和Darknet一致，就能很方便手動將Tensorflow權重轉存爲Darknet。--------------------- 做者：橘子都吃不起！ 來源：CSDN 原文：https://blog.csdn.net/weixin_42754237/article/details/87534092 版權聲明：本文爲博主原創文章，轉載請附上博文連接！