【darknet源码】：读取cfg文件源码追踪

darknet源码中的cfg文件读取由函数parse_network_cfg(cfgfile)中的read_cfg(file)函数搞定。
如下代码所示，最终解析后的属性和参数保存于section：

network parse_network_cfg(char *filename)
{
    // 从神经网络结构参数文件中读入所有神经网络层的结构参数，
    // 存储到sections中，
    // sections的每个node包含一层神经网络的所有结构参数
    list *sections = read_cfg(filename);

具体来说每一层（cfg中的每一层）都保存在结构体section中：
定义于src/parser.c

typedef struct{
    char *type;//保存了cfg中层的名字
    list *options;//保存了当前层对应的参数
}section;

而对应层的参数主要用到的结构是list结构：
定义于src/list.c文件中：

list *make_list()
{
    list *l = malloc(sizeof(list));
    l->size = 0;
    l->front = 0;
    l->back = 0;
    return l;
}

主要流程为：
1. 读取type流程
parse_network_cfg(cfgfile)—>read_cfg(file)—>list_insert(sections, current)
2. 读取对应type下的属性和数据
parse_network_cfg(cfgfile)—>read_cfg(file)—>read_option–>option_insert—>list_insert

读取type流程代码

1.0 src/parser.c/parese_network_cfg

network parse_network_cfg(char *filename)
{
    // 从神经网络结构参数文件中读入所有神经网络层的结构参数，存储到sections中，
    // sections的每个node包含一层神经网络的所有结构参数
    list *sections = read_cfg(filename);

    // 获取sections的第一个节点，可以查看一下cfg/***.cfg文件，其实第一块参数（以[net]开头）不是某层神经网络的参数，
    // 而是关于整个网络的一些通用参数，比如学习率，衰减率，输入图像宽高，batch大小等，
    // 具体的关于某个网络层的参数是从第二块开始的，如[convolutional],[maxpool]...，
    // 这些层并没有编号，只说明了层的属性，但层的参数都是按顺序在文件中排好的，读入时，
    // sections链表上的顺序就是文件中的排列顺序。
    node *n = sections->front;
    if(!n) error("Config file has no sections");

    // 创建网络结构并动态分配内存：输入网络层数为sections->size - 1，sections的第一段不是网络层，而是通用网络参数
    network net = make_network(sections->size - 1);

    // 所用显卡的卡号（gpu_index在cuda.c中用extern关键字声明）
    // 在调用parse_network_cfg()之前，使用了cuda_set_device()设置了gpu_index的值号为当前活跃GPU卡号
    net.gpu_index = gpu_index;

    // size_params结构体元素不含指针变量
    size_params params;

    // 提取
    section *s = (section *)n->val;
    list *options = s->options;
    if(!is_network(s)) error("First section must be [net] or [network]");
    parse_net_options(options, &net);

    params.h = net.h;
    params.w = net.w;
    params.c = net.c;
    params.inputs = net.inputs;
    params.batch = net.batch;
    params.time_steps = net.time_steps;
    params.net = net;

    size_t workspace_size = 0;
    n = n->next;
    int count = 0;
    free_section(s);

    // 此处stderr不是错误提示，而是输出结果提示，提示网络结构
    fprintf(stderr, "layer     filters    size              input                output\n");
    w