【深度学习】pytorch下的YOLOv3转换到caffe

pytorch下的YOLOv3转换到caffe

1. 代码资源

• pytorch 下的YOLOv3 是从这里下载的https://github.com/bubbliiiing/yolo3-pytorch
• 转换代码在这里 https://github.com/woodsgao/pytorch2caffe

2.pytorch训练自己的模型

• 详细的代码解析和训练过程可以看大神的B站视频，很详细了

3.pth到caffemodel

• 下载代码后需要安装，也可以在代码内运行
• 加载YOLO模型 和权重，直接生成prototxt 和 caffemodel

import torch
from torchvision.models import resnet
from pytorch2caffe import pytorch2caffe
import sys
sys.path.append('../yolo3-pytorch')
from yolo import YOLO
yolo = YOLO()
name='yolov3'
yolov3=yolo.net

dummy_input=torch.ones([1,3,416,416])
pytorch2caffe.trans_net(yolov3, dummy_input, name)
pytorch2caffe.save_prototxt('{}.prototxt'.format(name))
pytorch2caffe.save_caffemodel('{}.caffemodel'.format(name))

4. 遇到的坑

• 在训练之前要把上采样的模型改成bilinear,不然转换会报错
  
• 得到的prototxt与原始的yolov3进行对比，上个上采样的位置需要把类型改成Upsample

• 删除权重初始化 和 BN层下的eps参数

    weight_filler {
      type: "xavier"
    }
#BN
eps: 1e-05

5 测试

https://github.com/ChenYingpeng/caffe-yolov3
测试一下