【人脸检测】libfacedetection项目解读（二）

将pytorch训练好的模型转cpp

1. 载入预训练的模型

和使用pytorch一样，载入预训练的模型，并将模型设置为“eval”模式。

code

net = YuFaceDetectNet(phase='test', size=None )    # initialize detector
net = load_model(net, args.trained_model, True)
net.eval()

2. 将模型的参数保存

因为模型只用了三种基本操作：conv，batchnorm，relu。这里只有conv和batchnorm层是有参数需要保存，并且作者将conv和batchnorm的参数进行了融合

conv和batchnorm的融合可以参考:https://zhuanlan.zhihu.com/p/49329030和pytorch batchnorm2d的公式

知乎的文章公式有点小问题，最好自己推导一下。libfacedetection项目是没有问题的
code

conv_result = nn.Conv2d(self.in_channels, self.out_channels, 
                    self.conv.kernel_size, stride=self.conv.stride, 
                    padding=self.conv.padding, bias=True)                 # 初始化一个conv操作，然后将预训练模型的参数写入进去

scales = self.bn.weight / torch.sqrt(self.bn.running_var + self.bn.eps)     # 将conv和batchnorm进行融合
conv_result.bias[:] = (self.conv.bias - self.bn.running_mean) * scales + self.bn.bias
for ch in range(self.out_channels):            
	conv_result.weight[ch, :, :, :] = self.conv.weight[ch, :, :, :] * scales[ch]

3. 将参数转成int8

应该是为了提速将模型中conv的weight和bias参数都转换成了int8
具体要看libfacedetection的推理代码了
code

scale = 127 / maxvalue                      # 转成int8类型的范围
intw = np.round(w * scale).astype(int)
intb = np.round(b * scale).astype(int)

4. 将模型参数写入文件中

code

with open(filename, 'w') as f:
    f.write(result_str)
    f.close()

TO DO

• 解读libfacedetection的推理代码