yolov3/yolov4转为caffe模型 docker环境安装caffe1.x

1 部署 caffe 环境
常规的方法是下载 caffe 的源码，进行编译安装。但是，这种方法比较复杂，不太容易成功。更简单的方法是直接下载 caffe1.x 的docker 镜像。这种方法需要你提前在 Ubuntu 里安装了 nvidia-docker。
打开 docker hub 网站https://registry.hub.docker.com/
搜索caffe:

Tags->点击进去，下载对应的版本（我这里下次的是gpu版本命令为）：docker pull bvlc/caffe:gpu

下载完成后输入命令：docker images 查看下载好的镜像。

为镜像创建容器：
docker run --runtime=nvidia --name caffe -i -t bvlc/caffe:gpu /bin/bash
这里我们给该容器起的名字是 caffe，大家可以自由设置，根据 docker ps -a 这条命令来查看各个容器。

这样，我们就进入了 caffe1.x 的 docker 容器之内了。
该容器已部署好了 caffe1.x，caffe1.x 路径为：/opt/caffe
退出后想继续进入容器执行命令：
docker exec -it caffe /bin/bash
2 caffe 源码修改
因为官方 caffe1.x 框架不支持 yolo3/yolov4 的 upsample 层，所以需要手动增加 upsample 层，对 caffe 源码进行修改。
克隆 GitHub 上的转换工具项目：
git clone https://github.com/ChenYingpeng/darknet2caffe.git
根据README.md记录：

  Python2.7
  Caffe
  Pytorch >= 0.40
  Add Caffe Layers
1.`caffe_layers/mish_layer/mish_layer.hpp,caffe_layers/upsample_layer/upsample_layer.hpp` 拷贝到容器的路径 `/opt/caffe/include/caffe/layers `.
2. `caffe_layers/mish_layer/mish_layer.cpp **mish_layer.cu**,caffe_layers/upsample_layer/upsample_layer.cpp upsample_layer.cu` 拷贝到容器的路径 `/opt/caffe/src/caffe/layers/`.
3. Copy `caffe_layers/pooling_layer/pooling_layer.cpp` 拷贝到容器的路径 ` /opt/caffe/src/caffe/layers/ `
5. 然后，打开容器内的 caffe 文件：/opt/caffe/src/caffe/proto/caffe.proto。按照如下说明修改相应字段的程序。

caffe.proto：

// LayerParameter next available layer-specific ID: 147 (last added: recurrent_param)
message LayerParameter {
  optional TileParameter tile_param = 138;
  optional VideoDataParameter video_data_param = 207;
  optional WindowDataParameter window_data_param = 129;
++optional UpsampleParameter upsample_param = 149; //added by chen for Yolov3, make sure this id 149 not the same as before.
++optional MishParameter mish_param = 150; //added by chen for yolov4,make sure this id 150 not the same as before.
}

// added by chen for YoloV3
++message UpsampleParameter{
++  optional int32 scale = 1 [default = 1];
++}

// Message that stores parameters used by MishLayer
++message MishParameter {
++  enum Engine {
++    DEFAULT = 0;
++    CAFFE = 1;
++    CUDNN = 2;
++  }
++  optional Engine engine = 2 [default = DEFAULT];
++}

其中，++ 表示该行是增加的内容。
3 caffe 重新编译
修改完 caffe 的一些源码之后，需要对 caffe 重新编译。
进入 /opt/caffe/build 目录，输入以下命令：
make clean
make all -j8
make pycaffe -j8
caffe 重新编译之后，就可以对 yolov3/yolov4 模型进行 caffe 转换了。
4 模型转换
进入darknet2caffe-master/weights目录执行命令下载例子提供过来的weights：
./download_weights.sh
下载完成后在 darknet2caffe 目录下，输入以下命令：
python darknet2caffe.py cfg/yolov4.cfg weights/yolov4.weights prototxt/yolov4.prototxt caffemodel/yolov4.caffemodel
如果输出类似下面的语句，则证明转换成功！

最后根据自己的cfg以及weight文件进行转换
5 环境问题记录：

1. docker的容器下使用apt-get update卡在[0%] Working问题解决办法：
   产生问题的原因在于docker的容器下实在是太干净简洁了，很多东西都没有，这里是因为缺少apt-transport-https包导致的，先在自己电脑上下载apt-transport-https_xxx_amd64.deb包（http://archive.ubuntu.com/ubuntu/pool/main/a/apt/），下载好后使用dpkg -i /path/to/apt-transport-https_1.2.32_amd64.deb安装即可。
   在apt-get update可以发现问题解决了，又可以愉快的使用apt-get装软件了。
2. docker ImportError: No module named xxx
   如果提示缺少torch执行命令：
   pip install torch
   如果提示缺少builtins执行命令：
   pip install future
3. docker 复制文件命令
   在宿主机上执行命令：
   从容器里面拷文件到宿主机：
   docker cp 容器名：要拷贝的文件在容器里面的路径 要拷贝到宿主机的相应路径：
   docker cp caffe:/opt/ /home/caffe
   从宿主机拷文件到容器里面：
   docker cp 要拷贝的文件路径 容器名：要拷贝到容器里面对应的路径
   docker cp /home/caffe caffe:/opt/
4. cfg文件异常报错
   如果在转换过程中有报错有可能是cfg文件中activation=relu，目前支持成功转换的格式是activation=mish
   6 主要参考链接
   https://zhuanlan.zhihu.com/p/357316097
   https://blog.csdn.net/red_stone1/article/details/114909443