darknet 框架中YOLO权重文件的种类及存储结构

darknet 框架下的YOLO权重文件种类及存储结构

参考链接：

• darknet 框架中YOLO权重文件的种类及存储结构  https://www.codenong.com/cs106583770/
• Darknet模型与Tensorflow模型相互转换  https://blog.csdn.net/weixin_42754237/article/details/87534092

目录

darknet 框架下的YOLO权重文件种类及存储结构

权重文件类型

第一类：后缀“.weight”和“.backup”文件

第二类：预训练权重模型文件

两类文件的区别

"xx.weight"文件结构

权重文件类型

 - 第一类：后缀为“.weight”或“.backup”文件
 - 第二类：预训练权重模型文件，后缀为数字（文件名如“darknet53.conv.74”、“yolov3-tiny.conv.15”）

第一类：后缀“.weight”和“.backup”文件

它们其实是一类文件，由于都是二进制文件，后缀只是用于起到一个区分的作用。文件的生成参考detector.c文件train_detector函数中的代码：

//每100批次保存一次weight，保存成“.backup"文件，每1000次更新一次
        if(i%100==0){
#ifdef GPU
            if(ngpus != 1) sync_nets(nets, ngpus, 0);
#endif
            char buff[256];
            sprintf(buff, "%s/%s.backup", backup_directory, base);
            save_weights(net, buff);//将net中更新的weight存在backup文件中
        }
        //当训练批次是10000的整数倍或者1000以内的100的整数倍时，生成一个后缀为“.weight”的文件，文件标注训练次数累积保存，但是第1000就只能保存成“.backup"文件了，并且每100批次更新一遍，直到第10000次
        if(i%10000==0 || (i < 1000 && i%100 == 0)){
#ifdef GPU
            if(ngpus != 1) sync_nets(nets, ngpus, 0);
#endif
            char buff[256];
            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);
            save_weights(net, buff);
        }

第二类：预训练权重模型文件

这类权重文件就是“darknet53.conv.74”等文件，又称为backbone文件。“darknet53”代表采用了（实际拥有52层卷基层的）darknet53结构。“conv”表示这是一个卷积权重文件，其实对于YOLO模型来说，权重全部都是卷基层的权重，全连接也是通过卷积实现的。“74”表示骨干网络实际有74层，包括卷基层，池化层，shortcut层（用于构成残差结构。

两类文件的区别

这两类文件区别在于第二类仅保留了第一类的backbone结构，用于各类模型的迁移学习。Backbone结构决定你的模型是YOLOv1,YOLOv2,还是YOLOv3的结构，是大（作）家（者）公（研）认（究）的成熟模型。第二类文件可以由darknet.c文件中的partial函数实现，以YOLOv3 tiny模型为例，使用“yolov3-tiny.conv.15.weight”生成“yolov3-tiny.conv.15”，它的命令行操作是（文件路径自行确定）：

beimingke@beimingke:~/darknet_captcha$ ./darknet/darknet partial yolov3-tiny.cfg yolov3-tiny.conv.15.weight yolov3-tiny.conv.15 15

上述代码的结构是：

darknet partial [cfg] [.weight] [outputfile] [layernumber]

partial函数的源代码是：

void partial(char *cfgfile, char *weightfile, char *outfile, int max)
{
    gpu_index = -1;
    network *net = load_network(cfgfile, weightfile, 1);
    save_weights_upto(net, outfile, max);
}

其中max表示截取的层数，在save_weights_upto函数（parse.c）中对应cutoff参数。 load_network函数（network.c）中的参数“1”对应原函数中clear形参，用于清除原来训练的yolov3-tiny.conv.15.weight文件中的seen参数，将其设置为0，这个参数表示训练这个权重文件使用过的图片数（含循环使用）。
当需要使用自己的数据集训练一个权重模型时，就可以使用backbone，同时还可以在“.cfg”配置文件任意修改backbone以外的设置。

你可能会问了，backbone既然是从原来的“.weight”文件中截取的，那训练时load权重时会不会参数不够？不会的，因为load“.weight”文件时，是依据“.cfg”文件的格式，当“.weight”数据流读取完还不够时，就在接续的内存中按照相应的格式继续读取随机数字，正好可以很好的作为权重初始值。如果没有weight文件也不要紧，只要是一个比backbone大的weight文件甚至是按照相应格式存储的随机数字文件都可以胜任，因为你给每个权重位置上都赋了一个不对称的初始值，只不过要训练的时间长一点罢了。

"xx.weight"文件结构

结构如下：

版本号参数major（int型，4字节）

版本号参数minor（int型，4字节）

版本号参数revision（int型，4字节）

训练过的图片个数seen（size_t型，64位操作系统下8字节）

卷积层的参数：卷积权重（float型，单个参数4字节），每层中包括：

• 偏置参数l.biases，这个偏置包含卷基层本身的偏置的成分，也包含归一化的偏置的成分，个数l.n，即卷积核或特征提取映射层（feature map）个数

• 归一化尺度变换系数l.scales，个数l.n；
• 每层滚动均值l.rolling_mean，个数l.n和每层滚动方差l.rolling_variance，个数l.n。这个滚动均值和滚动方差利用batchnorm_layer.c中的forward_batchnorm_layer计算。之所以叫“滚动”（rolling）是因为在计算的时候，weight文件中上一次训练的参数值×0.99+新计算的均值或权重×0.01进行滚动更新。

参数个数为l.c*l.n*l.size*l.size+4l.n，占存储空间（l.cl.nl.size.l.size+4l.n）*4字节。其中，l.c表示前一层的通道数，l.n表示下一层的通道数，l.size表示卷积核大小。

对于YOLOv3，无论是tiny还是完整还是voc（只说官方软件包中的），都是卷基层，所以weight文件结构后面就顺序按照卷基层的参数进行排列，没有任何表示格式、间隔、标记等的符号，所有的标记都在cfg文件中读取。当然其他类型的网络根据实际情况进行判断，大体原理差不多，通过分析parse.c中的save_weights_upto或load_weights_upto根据层的类型进行分析，这里因为不需要不逐一讨论。使用.darknet partial [cfg] [.weight] [outputfile] [layernumber]命令，将[layernumber]设置为1，使用.darknet print[cfg] [.weight] [layerindex] 读取一下darknet53的官方权重文件，采用二进制文件16进制显示截取如下：

可见，头四个字节为00000000，表示major=0,。接着是02000000，这个根据parse.c中的save_weights_upto函数代码，minor设置为2。

void save_weights_upto(network *net, char *filename, int cutoff)
{
    .......
    fprintf(stderr, "Saving weights to %s\n", filename);
    FILE *fp = fopen(filename, "wb");
    if(!fp) file_error(filename);

    int major = 0;//版本号，同时还用于区分网络类型，是否需要转置
    int minor = 2;
    int revision = 0;
    fwrite(&major, sizeof(int), 1, fp);//4字节
    fwrite(&minor, sizeof(int), 1, fp);//4字节
    fwrite(&revision, sizeof(int), 1, fp);//4字节
    fwrite(net->seen, sizeof(size_t), 1, fp);//8字节

    int i;
    for(i = 0; i < net->n && i < cutoff; ++i){
        layer l = net->layers[i];
        if (l.dontsave) continue;
        if(l.type == CONVOLUTIONAL || l.type == DECONVOLUTIONAL){
            save_convolutional_weights(l, fp);
            ........
            }
    }
    fclose(fp);
}

注意，这个二进制文件是低位在前（Little Endian），因为我可耻的使用了Intel处理器，如果你用的是其他类型处理器估计是高位在前（Big Endian）的存储顺序，再接下来00000000表示revision，再接下来0000000000000000，表示截取一个预训练模型时将你的seen参数重新设置为0。最后接下来是参数。文件在第2000(0x07d0)后有4个字节，一共2004字节。

将l.c = 3, l.n = 16, l.size = 3带入34Byte+8Byte+（l.cl.nl.size.l.size+4l.n）4Byte，得2004Byte。对于完整的weight二进制文件，你可以参考cfg配置。

需要注意的是，下一层的l.c等于上一层的l.n，我们根据cfg文件截取3层（选3层是因为第2层为maxpool层没有weight）验证一下，这里第3层而配置为filters=32，size=3，得到的二进制文件为20948Byte，减去前面的2004Byte，得到18994Byte，就是第3层的存储空间。如果将l.c = 3, l.n = 16, l.size = 3带入34Byte+8Byte+（l.cl.nl.size.l.size+4*l.n）*4Byte，得18994Byte。