yolo源码学习（一）

最新推荐文章于 2025-04-16 10:37:03 发布

Rebaccaminmin

最新推荐文章于 2025-04-16 10:37:03 发布

阅读量2.4k

点赞数

分类专栏： python学习文章标签：博客源码

本文链接：https://blog.csdn.net/Rebaccaminmin/article/details/61622653

版权

本文从darknet.c的main函数开始，深入解析Yolo的运行流程，重点关注run_yolo函数和test_yolo函数。通过解析parse_network_cfg函数，了解如何读取cfg配置文件并构建网络结构。文章探讨了cfg文件的段落结构，网络层的定义，特别是卷积层的设置，强调理解代码需要结合卷积神经网络的基础知识。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近开始学习yolo，以博客形式记录下自己的学习路程，关于安装，背景等都不介绍了，直接开始读源码:

1.首先在darknet.c文件中找到main函数，看到对参数的解释，如果是yolo，执行run_yolo函数：

int main(int argc, char **argv)
{
    //test_resize("data/bad.jpg");
    //test_box();
    //test_convolutional_layer();
    if(argc < 2){
        fprintf(stderr, "usage: %s <function>\n", argv[0]);
        return 0;
    }
    gpu_index = find_int_arg(argc, argv, "-i", 0);
    if(find_arg(argc, argv, "-nogpu")) {
        gpu_index = -1;
    }

#ifndef GPU
    gpu_index = -1;
#else
    if(gpu_index >= 0){
        cuda_set_device(gpu_index);
    }
#endif

    if (0 == strcmp(argv[1], "average")){
        average(argc, argv);
    } else if (0 == strcmp(argv[1], "yolo")){
        run_yolo(argc, argv);
    } else if (0 == strcmp(argv[1], "voxel")){
        run_voxel(argc, argv);
    } else if (0 == str

最低0.47元/天解锁文章