Darknet框架分析（一）

Darknet简介：

darknet【https://pjreddie.com/darknet/】是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。

Darknet的优势：

（1）darknet完全由C语言实现，没有任何依赖项，可以使用OpenCV，但只是用其来显示图片、为了更好的可视化；

（2）darknet支持CPU与GPU（CUDA/cuDNN，使用GPU当然更快更好了）；

（3）正是因为其较为轻量型，没有像TensorFlow那般强大的API，所以使用灵活，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展；

（4）darknet的实现与caffe的实现存在相似的地方，熟悉了darknet，相信对上手caffe有帮助。

Darknet框架图及源码结构划分：

整个框架的深入了解，可以根据自己的习惯，由底层到上层分析，也可以由上层到底层分析。后续有时间会写一些具体层的实现原理。

参考：

【1】https://github.com/hgpvision/darknet（darknet深度学习框架源码分析：详细中文注释，涵盖框架原理与实现语法分析）

【2】windows版https://github.com/AlexeyAB/darknet

【3】https://blog.csdn.net/u014540717/article/category/6513159（对YOlO部分的源码进行了详解）