深度学习框架Caffe学习系列(2)：DarkNet 转战 Caffe 经验汇总

最新推荐文章于 2024-03-13 12:41:06 发布

原创

最新推荐文章于 2024-03-13 12:41:06 发布 · 475 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Caffe

博客详细介绍了如何将Darknet的配置文件转换为Caffe的prototxt文件，特别是卷积层的转换。在Caffe中，Darknet的批量归一化(batch_normalize)被拆分为BatchNorm和Scale两层，分别对应训练和测试阶段。BatchNorm用于标准化特征，Scale则用于调整比例和偏置。这一转换对于理解跨框架的模型迁移和优化过程至关重要。

--darknet 转战 caffe--

darknet的cfg文件转换成caffe的prototxt文件

> 卷积层重写：

# darknet 的cfg文件
[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

# caffe的prototxt书写
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 32
    pad: 1
    kernel_size: 3
    stride: 1
    weight_filler {
      type: "gaussian"
      std: 0.0001
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
    name: "batch_norm1"
    type: "BatchNorm"
    bottom: "conv1"
    top: "conv1"
    batch_norm_param {
        use_global_stats: false
    }
    include {
        phase: TRAIN
    }
}
layer {
    name: "batch_norm1"
    type: "BatchNorm"
    bottom: "conv1"
    top: "conv1"
    batch_norm_param {
        u