在ubuntu16.04环境下将Yolo-Fatest模型转换为Caffe模型

---

前言

根据qiuqiu大神的https://github.com/dog-qiuqiu/Yolo-Fastest下载了训练所需文件，根据[Windows+DarkNet实现YoloV4的检测及训练（GTX1660S）（二）]实现了自己模型的生成。(https://blog.youkuaiyun.com/playezio/article/details/106461330?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161715607016780271582189%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=161715607016780271582189&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_v2~rank_v29-1-106461330.pc_search_result_hbase_insert&utm_term=playezio)

---

那么，要将darknet模型移植到嵌入式上面，需要先将darknet模型转换为caffe模型。
在qiuqiu大神给出的教程中，步骤较为简略：

我将在下方进行详细描述。

一、新建环境

为了不与电脑中的其他环境产生冲突，在anaconda中新建包含caffe、python2.7、python-opencv的环境。

1. 创建python2.7环境，命名为dk2caffe

conda create -n your_env_name python=X.X

在anaconda prompt中输入以上命令，等待安装完成，得到以下截图：
激活环境

3. 安装python-opencv

pip install opencv-python==4.2.0.32

5. 编译cpu版的caffe
   5.1 安装依赖项
   在终端命令下（按住ctrl+alt+t,打开终端）输入以下命令，一条一条的输，输完一条回车自动安装
   sudo apt-get install libprotobuf-dev
   sudo apt-get install libleveldb-dev
   sudo apt-get install libsnappy-dev
   sudo apt-get install libopencv-dev
   sudo apt-get install libhdf5-serial-dev
   sudo apt-get install protobuf-compiler
   sudo apt-get install –no-install-recommends libboost-all-dev
   5.2 安装基于CPU的依赖项
   5.2.1.先安装BLAS：
   sudo apt-get install libatlas-base-dev
   5.2.2.使用默认Python来建立pycaffe接口，安装：
   sudo apt-get install python-dev
   5.2.3.安装一些兼容性依赖库：
   sudo apt-get install libgflags-dev
   sudo apt-get install libgoogle-glog-dev
   sudo apt-get install liblmdb-dev
   5.3下载Caffe源码
   使用qiuqiu提供的源码包
   https://download.youkuaiyun.com/download/playezio/16292965
   如果需要Caffe的Python接口，切换到caffe下的python目录下，输入以下命令下载python依赖库（先安装pip）：
   cd ./caffe/python
   sudo apt-get install python-pip
   然后一个一个安装python所需的计算包：
   sudo apt-get install -y python-numpy
   sudo apt-get install -y python-scipy
   sudo apt-get install -y python-matplotlib
   sudo apt-get install -y python-sklearn
   sudo apt-get install -y python-skimage
   sudo apt-get install -y python-h5py
   sudo apt-get install -y python-protobuf
   sudo apt-get install -y python-leveldb
   sudo apt-get install -y python-networkx
   sudo apt-get install -y python-nose
   sudo apt-get install -y python-pandas
   sudo apt-get install -y python-gflags
   sudo apt-get install python-cython
   5.4到Caffe文件夹中，拷贝一份Makefile.config.example并重命名成Makefile.config，修改该配置文件：
   cd
   cd ./caffe
   sudo cp Makefile.config.example Makefile.config
   gedit Makefile.config
   使用文本编辑器打开Makefile.config，因为这里没有配置GPU，所以去掉CPU_ONLY := 1前面
   的注释；(也就是去掉前面的#)由于Ubuntu16.04文件结构的变化，#Whatever else you find you needgoes here.处要改成下面这样：
   
   修改numpy的安装目录，重新设置，需要把原本如下的内容：
   
   修改为：
   
   然后点击右上角保存，接下来编译：依次在终端中输入以下命令，每输一行回车：（编译需要等待一会）
   
   如果所有测试都通过，则说明安装好了。
   
   5.5测试
   测试Caffe的Python接口，切换到caffe/python文件目录下，记录下来当前路径（pwd），输入以下命令：pwd
   记录下当前路径，比如我的是：
   
   然后输入
   sudo gedit /etc/profile
   然后将这句话
   export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH 添加到打开的文件里
   其中 path是前面pwd记录下的路径，为/home/qzf/py-ca/caffe/python
   然后点击右上角保存，再点击左上角关闭，也就是小插。
   然后接下来进入python环境测试
   在终端输入以下命令：
   python
   import caffe
   如果没有报错，则说明caffe——cpu版本安装成功
   
   出现错误
   make clean
   make all -j8
   make pycaffe
   再次导入，安装缺少的包
   pip install scikit-image
   pip install protobuf
   成功

(caffe) qzf@ubuntu:~/py-ca/caffe$ python
Python 2.7.16 |Anaconda, Inc.| (default, Sep 24 2019, 21:51:30) 
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import caffe
>>> exit()

二、darknet2caffe

cd darknet2caffe/
  python darknet2caffe.py fastest2caffe/yolo-fatest.cfg fastest2caffe/yolo-fatest.weights fastest2caffe/yolo-fatest.prototxt fastest2caffe/yolo-fatest.caffemodel
  cp MobileNetV2-YOLOv3-Nano-voc.prototxt sample
  cp MobileNetV2-YOLOv3-Nano-voc.caffemodel sample
  cd sample
  python detector.py

第一步

python darknet2caffe.py fastest2caffe/yolo-fatest.cfg fastest2caffe/yolo-fatest.weights fastest2caffe/yolo-fatest.prototxt fastest2caffe/yolo-fatest.caffemodel

显示没有torch
安装cpu版本的torch
conda install pytorch-cpu torchvision-cpu -c pytorch
cp fastest2caffe/yolo-fatest.prototxt sample
cp fastest2caffe/yolo-fatest.caffemodel sample
python detector-fatest.py
出现错误，需要根据原有的cfg文件和生成的prototxt文件来修改检测脚本：

最后结果：

更新-----转换方式及命令
1.启动ubuntu系统
2.打开目录home/py-ca/MobileNet-Yolo/darknet2caffe/fastest2caffe
3.将要转换的权重及配置文件拷贝到目录中
3.返回上一级目录，右击 Open in Terminal
4. 在Terminal中输入 python darknet2caffe.py fastest2caffe/yolo-fatest-1203.cfg fastest2caffe/yolo-fatest-1203.weights fastest2caffe/yolo-fatest-1203.prototxt fastest2caffe/yolo-fatest-1203.caffemodel，回车执行
5. 会输出save prototxt to fastest2caffe/yolo-fatest-1203.prototxt
save caffemodel to fastest2caffe/yolo-fatest-1203.caffemodel
并保存相关文件到目录中
6. 测试生成的caffe模型，在sample文件夹下，使用命令python detector-fatest-54-1203.py，py文件中要替换新的文件名。