pytorch版本yolov3模型转caffe

目前我有一个pytorch版本的yolov3模型，该模型有 X.cfg和X.pt两个文件

该格式可以与两个主流pytorch工程一致：
https://github.com/ultralytics/yolov3
https://github.com/eriklindernoren/PyTorch-YOLOv3

由于caffe没有yolov3所需的upsample层与yolo层，所以需要自己来实现。。不要急，有大神开源项目：
https://github.com/eric612/MobileNet-YOLO
你需要做的就是把这个caffe工程给编译一下。该caffe工程附加了很多其余功能，作者提供了CMakeLists.txt，（注意不要从别的caffe文件中复制过来Makefile与Makefile.config来编译，这个坑我已经踩过了。。）编译需要注意事项：
1、python2（该工程默认就是py2，文件中可以选择使用py3，但是会报很多错误）
2、opencv3（这个工程还包含ssd检测模块，需要opencv3中videoio.hpp来支持）
3、caffe所需一大堆依赖库，可参考我的博客：https://blog.csdn.net/l297969586/article/details/61209313

编译完成后，进入这个caffe工程的
CAFFE_ROOT/models/darknet_yolov3/ 目录下
打开darknet2caffe.py ，修改

#修改为自己的caffe路径
caffe_root = '/home/ubuntu/workspace/pytorch2caffe/caffe-yolo-new/'

#修改需要转的pytorch模型路径
weights_det = '/home/ubuntu/workplace/darknet_yolov3/yolov3.pt'
cfg_det = '/home/ubuntu/workplace/darknet_yolov3/yolov3.cfg'

#修改为自己的输入size（由于我的模型不是正常的yolov3，做过裁剪和尺寸调试）
model_det = Darknet(cfg_det, 512)

#修改为自己的输入size（由于我的模型不是正常的yolov3，做过裁剪和尺寸调试）
input_var = Variable(torch.rand(1, 3, 512, 512))

#修改输出prototxt与caffemodel的路径
pytorch2caffe(input_var, output_var, 'deploy.prototxt', 'model.caffemodel')

然后就开始运行darknet2caffe.py ，就会得到model.caffemodel和deploy.prototxt。

此时关键的来了！！！！你会发现这个caffemodel根本没法用！！！
问题在于：其实这个工程是转darknet至caffe的，pytorch文件中pt文件不是纯数字组合。在写入caffemodel的时候，会将类似与文本的信息如“conv_layer_1”当做是数字处理，从而打印输出caffemodel内容时会发现很多 nan和-nan的数字。

我的处理方式，重新训练。。
那上文说的这些不是白扯么，不其实刚才的工作已经将这个工作完成近百分之80了。因为yolo版本caffe有了，deploy.prototxt有了，对照这deploy.prototxt仿照 CAFFE_ROOT/models/darknet_yolov3/ 下的任意一个test.prototxt和train.prototxt就可以写出你自己的test和train对应的prototxt。

开始训练，大功告成。
附几张caffe训练好的效果图：