深度篇—— Deep Learning 经典网络 model 发展史(九) 细说 DarkNet 结构和特点和 各模型与精度

 

返回主目录

返回 Deep Learning 经典网络 model 发展史 目录

上一章：深度篇—— Deep Learning 经典网络 model 发展史(八) 细说 DenseNet 结构和特点

 

本小节，细说 DarkNet 结构和特点和 各模型与精度

 

二. 经典网络(Classic Network)

9. DarkNet

(1). 相比于 tensorflow 来说，darknet 并没有那么夸张，但这也成了 darknet 的优势：

   ①. darknet 完全由 C 语言实现(用 C 和 cuda 编写的开源神经网络框架)，并没有任何依赖项，当然可以使用 opencv，但至少用其来显示图像，为了更好的可视化；

   ②. darknet 支持 cpu (所以没有 gpu 也不要紧，当然，与 cuda/cudnn 使用 gpu 当然更快更好了)。

   ③. darknet 安装速度快，易于安装。

   ④. darknet 为轻量型架构，没有像 tensorflow 那般强大的 API