YAD2K: Yet Another Darknet 2 Keras

yolov2 论文地址：YOLO9000: Better, Faster, Stronger
github 项目地址：YAD2K

YAD2K 的实现用了 90% 的 Keras 和 10% Tensorflow

环境配置

可以使用 anaconda 环境或者在全局安装。

（1）下载项目 git clone https://github.com/allanzelener/yad2k.git，也可以先下载好放入目录地址下

（2）安装项目所需包，直接运行 conda env create -f environment.yml，该文件会创建一个名为 yad2k 的环境，并在该环境下将需要的包一次性进行安装

（3）激活项目环境 conda activate yad2k

（4）[ 可选 ] 如果选择在全局环境下安装 numpy，h5py，pillow 等一系列包，可执行：

pip install numpy h5py pillow
pip install tensorflow-gpu  # CPU-only: conda install -c conda-forge tensorflow
pip install keras # Possibly older release: conda install keras

转换项目模型

（1）下载 Darknet 模型的 cfg 文件和 weights：

• yolov2.weights 下载：yolov2 weights
• yolov2.cfg 在 Darknet 项目文件里的 cfg
  文件夹下：github darknet

（2）将 Darknet YOLO_v2 模型转换为 Keras 模型：

./yad2k.py yolov2.cfg yolov2.weights model_data/yolo.h5

输出这样就说明转换成功了，这时 model_data 文件夹下也会多一个 yolo.h5 文件：

（3）在 image\ 里的小型测试集上测试一下模型是否转换成功：

./test_yolo.py model_data/yolo.h5  # output in images/out/

输出这样就说明转换没有问题，/images/out 文件夹下会有 imgaes/ 下几张图片的测试结果：

遇到的问题

1. 下载 cfg 和 weights 文件

项目说明里并没有提及，但是最好用 yolov2 的 weights 和 cfg，不要直接用最新版的 yolo.weights，不然转换模型时很可能报错！
yolov2 官网：yolov2 website

2. 转换模型或执行测试时报错

执行语句：
./yad2k.py yolov2.cfg yolov2.weights model_data/yolo.h5
和
./test_yolo.py model_data/yolo.h5

报错：bash: ./*.py: Permission denied

尝试使用管理员命令运行：$ sudo ./*.py，但仍然得到 error sudo: ./tools/demo.py: command not found

解决：
$ chmod +x ./yad2k.py yolov2.cfg yolov2.weights model_data/yolo.h5
或者
$ python ./yad2k.py yolov2.cfg yolov2.weights model_data/yolo.h5
哪个管用用哪个。

3. 执行测试时报错 * 1

packages/tensorflow/python/_pywrap_t ensorflow.so: undefined symbol: cudnnCreate
Aborted (core dumped)

一般是 CUDA 和 tensorflow-gpu 的版本对不上，在这里看到 CUDA、cuDNN 和 tensorflow-gpu 版本的推荐配置：configure page

截个图，方便查看：


查看自己的 CUDA 和 cudnn 的版本：

1）直接用 nvcc --version 查看：

2）CUDA 一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了 CUDA 的版本信息，执行语句：

cat /usr/local/cuda/version.txt 

3）cuDNN 的信息在其头文件里，执行语句：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

这里可以到看到 CUDA 版本是 9.0，cuDNN 版本是 7.0.5，官方推荐的 tensorflow 对应版本是：1.5 / 1.6 / 1.7 / 1.8 / 1.9 / 1.10 / 1.11 / 1.12

解决：

pip uninstall tensorflow-gup==1.0.1
pip install tensorflow-gpu==1.5.0

4. 执行测试时报错 * 2

numpy.core.umath failed to import

解决：仍然是 Tensorflow-gpu 的版本问题，命令行输入：

pip install -U numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

5. 执行测试时报错 * 3

PermissionError: [Errno 13] Permission denied: 'images/out/dog.jpg'

解决：是因为 /image 目录下已经有了 out 文件夹，导致冲突，删除 out 文件夹即可。