darknet转caffe

背景

最近在做华为atlas平台AI项目，atlas平台只支持tensorflow和caffe模型，而自己训练的是yolov3/yolov4/yolov5的darknet模型，需要先转换到pb或者caffemodel格式。

====================================================================
在网上查过一些模型转换方式，一种是先转ONNX模型，再转tensorflow/caffe模型，这当中踩过不少坑，大家可以参考这个github工程；本人之前通过这个github工程转pb文件成功过，但是最后从pb文件转到atlas支持的om文件时，报有些层不支持的错误，具体可以参见这篇帖子.

后来又采取另外一种方式（推荐这种，简单、适应性强），就是要讲的darknet直接转caffe。我用的是这个github工程，非常好用，它里面的models/darknet_yolov3/darknet_yolov3/darknet2caffe.py的脚本是python2.7写的，配置非常简单，必须要有toch和caffe环境，用python2.7最简单，python3.X有些语句不支持，不过修改一下就好了，我在python3.6和python2.7下都跑通过，坑比较少，只是这个只能转yolov3系列的，yolov4的mish激活函数不支持，你可以将mish改成leaky relu。转换精度本人测试过yolov3，tiny_yolov3,yolov3.pelee.spp.panet等网络，精度几乎没有下降。
models/darknet_yolov3/darknet_yolov3/darknet2caffe.py转换模型时碰到的问题：
1.yolov3.pelee.spp.panet的route层有三个，在darknet2caffe.py的307行添加一个if分支，否则会报错：

if (bottom_layer_dim == 3):
    layer_name = [layer_id + int(idx) if int(idx) < 0 else int(idx) + 1 for idx in layer_name ]
    prev_layer_id1 = int(layer_name[0])
    prev_layer_id2 = int(layer_name[1])
    prev_layer_id3 = int(layer_name[2])
    bottom1 = topnames[prev_layer_id1]
    bottom2 = topnames[prev_layer_id2]
    bottom3 = topnames[prev_layer_id3]
    route_layer['bottom'] = [bottom1, bottom2, bottom3]

2.在转换leaky loss版本的yolov4时，route层有时为单个正数，将296行的prev_layer_id = layer_id + int(block[‘layers’])替换成下面的代码，否则会报错：

layer_name = [layer_id + int(idx) if int(idx) < 0 else int(idx) + 1 for idx in layer_name ]
prev_layer_id = int(layer_name[0])

后来在网上找到了支持yolov4的mish层工程https://github.com/zhangsong8/darknet2caffe，写的也是非常不错，将mish.h、mish.cpp、mish.cu拷贝到对应目录下重新编译caffe工程就好了，so easy。

希望此博客能帮到转模型遇坑的你。

====================================================================

下面贴出配置环境用到的一些命令：

python demo_darknet2onnx.py ./model/yolov4.cfg ./model/yolov4.weights ./model/000150.jpg 1
python convertCaffe.py ./model/yolov4_1_3_608_608_static0.onnx ./model/zhang.prototxt ./model/zhang.caffemodel
python convertCaffe.py ./yolov4_1_3_608_608_static.onnx ./zhang.prototxt ./zhang.caffemode
pip install scikit-image
conda create  --name pytorch1.3.1 python=3.6
pip install torch==1.4.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install torchvision==0.4.2 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install onnx==1.6.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install onnxruntime-gpu==1.0.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install tensorflow-gpu==1.15.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install onnx-tf==1.5.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install matplotlib -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install tqdm -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install scikit-image -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install protobuf -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install numpy -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com


python darknet2caffe.py ../../yolov3.cfg ../../yolov3.weights zhang.prototxt zhang.caffemodel

export PYTHONPATH=/root/zhangsong/huawei/trainning/caffe/MobileNet-YOLO-master/python:$PYTHONPATH
export PYTHONPATH=/root/zhangsong/huawei/trainning/caffe/MobileNet-YOLO-master/python/caffe:$PYTHONPATH