（转）Darknet模型与Tensorflow模型相互转换

目前darknet框架下的模型训练都是在C环境下训练的，不免较为晦涩，若是能将模型转换到Tensorflow环境下完成模型的训练，在将训练好的权重转为Darknet能够识别的权重部署到实际应用中。这样就能够将算法的训练和实际部署分开！

一、将Darknet框架下的.cfg与.weights 转为Tensorflow框架下的.cpkt模型

先clone这个项目，用于darknet模型转tensorflow

https://github.com/Linzmin1927/DW2TF
cd 到DW2TF目录下，而后执行

python3 main.py \
--cfg 'data/yolov3-tiny.cfg' \
--weights 'data/yolov3-tiny.weights' \
--output 'tf_file/' \
--prefix 'yolov3-tiny/' \
--gpu 0

能够在tf_file中查看相关生成的ckpt文件与pd文件

 

在python中执行如下脚本，能够查看网络结构和各个权重

import tensorflow as tf
from tensorflow.python import pywrap_tensorflow
 
tf.reset_default_graph()
 
model_dir = "tf_files"   # ckpt文件目录
ckpt = tf.train.get_checkpoint_state(model_dir)
ckpt_path = ckpt.model_checkpoint_path
 
# 加载图结构
reader = pywrap_tensorflow.NewCheckpointReader(ckpt_path)
param_dict = reader.get_variable_to_shape_map()
 
 # 打印图中变量
for key, val in param_dict.items():
    try:
        print(key, val)
    except:
        pass
 
# 加载权重数据
saver = tf.train.import_meta_graph(ckpt_path+'.meta',clear_devices=True)
graph = tf.get_default_graph()
with tf.Session( graph=graph) as sess:
    sess.run(tf.global_variables_initializer()) 
    saver.restore(sess,ckpt_path) 
 
#启动TensorBoard
summaryWriter = tf.summary.FileWriter('log/', tf.get_default_graph())
 
# 查看第一个卷积层的卷积权重
key = 'yolov3-tiny/convolutional1/kernel'
w = reader.get_tensor(key)
print(type(w))
print(w.shape)
print(w)

能够看到网络第一层卷积层卷积权重打印出来

 

而后在根目录下打开cmd 输入 tensorboard --logdir log/ 启动tensorboard服务，在浏览器中输入http://localhost:6006/ 能够查看当前网络结构

 

二、darknet 与 tensorflow 权重数据解析与转换

若是须要将Tensorflow的权重数据转为Darknet的权重，须要进一步解析两个框架下权重保存的数据格式。

分别打开 yolov3.weights文件和yolov3-tiny.ckpt.data-00000-of-00001文件。

yolov3.weights文件(Darknet)

 

yolov3-tiny.ckpt.data-00000-of-00001文件(Tensorflow)

 

能够看到权重值是同样的，yolov3.weights文件中还包含了权重版本信息和迭代训练次数！因此只要Tensorflow网络结构和Darknet一致，就能很方便手动将Tensorflow权重转存为Darknet。--------------------- 做者：橘子都吃不起！ 来源：CSDN 原文：https://blog.csdn.net/weixin_42754237/article/details/87534092 版权声明：本文为博主原创文章，转载请附上博文连接！