修改DarkNet的weights文件以编辑模型版本号

CarnivoreRabbit

已于 2022-03-28 22:15:43 修改

阅读量1k

点赞数 1

分类专栏：学习数字图像处理文章标签：深度学习计算机视觉

于 2022-03-28 22:15:14 首次发布

本文链接：https://blog.csdn.net/horsee/article/details/123807944

版权

学习数字图像处理专栏收录该内容

9 篇文章 7 订阅

订阅专栏

修改DarkNet的.weights文件以编辑模型版本号

文章目录

修改DarkNet的.weights文件以编辑模型版本号

0. 使用场景

我们使用深度学习网络来进行图像识别或分类时，有时会需要进行多版本的管理. 当使用开源的darknet网络进行深度模型训练时，可以在.weights文件中记录模型的版本信息.

1. 高阶做法

通过DarkNet的源代码设置版本号，即在模型训练中直接生成版本号.
控制.weights文件写入时，版本信息的代码段位于DarkNet源码中，parser.c文件下save_weights_upto函数

void save_weights_upto(network *net, char *filename, int cutoff)
{
#ifdef GPU
    if(net->gpu_index >= 0){
        cuda_set_device(net->gpu_index);
    }
#endif
    fprintf(stderr, "Saving weights to %s\n", filename);
    FILE *fp = fopen(filename, "wb");
    if(!fp) file_error(filename);

    int major = 0;
    int minor = 2;
    int revision = 0;
    fwrite(&major, sizeof(int), 1, fp);
    fwrite(&minor, sizeof(int), 1, fp);
    fwrite(&revision, sizeof(int), 1, fp);
    fwrite(net->seen, sizeof(size_t), 1, fp);

    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);
        } if(l.type == CONNECTED){
            save_connected_weights(l, fp);
        } if(l.type == BATCHNORM){
            save_batchnorm_weights(l, fp);
        } if(l.type == RNN){
            save_connected_weights(*(l.input_layer), fp);
            save_connected_weights(*(l.self_layer), fp);
            save_connected_weights(*(l.output_layer), fp);
        } if (l.type == LSTM) {
            save_connected_weights(*(l.wi), fp);
            save_connected_weights(*(l.wf), fp);
            save_connected_weights(*(l.wo), fp);
            save_connected_weights(*(l.wg), fp);
            save_connected_weights(*(l.ui), fp);
            save_connected_weights(*(l.uf), fp);
            save_connected_weights(*(l.uo), fp);
            save_connected_weights(*(l.ug), fp);
        } if (l.type == GRU) {
            if(1){
                save_connected_weights(*(l.wz), fp);
                save_connected_weights(*(l.wr), fp);
                save_connected_weights(*(l.wh), fp);
                save_connected_weights(*(l.uz), fp);
                save_connected_weights(*(l.ur), fp);
                save_connected_weights(*(l.uh), fp);
            }else{
                save_connected_weights(*(l.reset_layer), fp);
                save_connected_weights(*(l.update_layer), fp);
                save_connected_weights(*(l.state_layer), fp);
            }
        }  if(l.type == CRNN){
            save_convolutional_weights(*(l.input_layer), fp);
            save_convolutional_weights(*(l.self_layer), fp);
            save_convolutional_weights(*(l.output_layer), fp);
        } if(l.type == LOCAL){
#ifdef GPU
            if(gpu_index >= 0){
                pull_local_layer(l);
            }
#endif
            int locations = l.out_w*l.out_h;
            int size = l.size*l.size*l.c*l.n*locations;
            fwrite(l.biases, sizeof(float), l.outputs, fp);
            fwrite(l.weights, sizeof(float), size, fp);
        }
    }
    fclose(fp);
}

与版本相关的代码段为

    int major = 0;                                  // 主版本号
    int minor = 2;                                  // 次版本号
    int revision = 0;                               // 修订版本号
    fwrite(&major, sizeof(int), 1, fp);
    fwrite(&minor, sizeof(int), 1, fp);
    fwrite(&revision, sizeof(int), 1, fp);
    fwrite(net->seen, sizeof(size_t), 1, fp);

可以通过修改major minor revision这三个变量的值来更改模型的版本号.
但让我难以理解的是，为什么在源码中版本号是写死的——限于我的水平，暂时没有找到通过接口进行修改的方法.
如此这般，虽然可以通过改写源码中的版本号，然后再编译、重新训练的方式控制新生成的模型的版本，但如果还是沿用写死版本号的方式，未免太麻烦了.