Summary of darknet structures

目录

1. list.h文件

1.1 node

1.2 list

2. parser.c文件

2.1 section

2.2 size_params

3. option_list.h

3.1 kvp

4. darknet.h

4.1 network

4.2 layer

---

这里对darknetSummarize the structures used.

1. list.h文件

1.1 node

// cfg文件每一个[xxx]代表一个片区(section),通常表示的是一个 层（layer）
// 链表中的每个node,都是一个section.
// 双向链表的节点定义
typedef struct node{
    void *val;  // 存放的是指向实际值的指针.
    struct node *next;   // 指向当前节点的下一节点
    struct node *prev;  //  指向当前节点的上一节点
} node;

1.2 list

// 网络配置双向链表,存储cfg网络配置文件.
// // 双向链表
typedef struct list{
    int size;  // 配置文件的节点数,即section个数,通常就是layer层数
    node *front;  // 头指针,指针链表第一个节点
    node *back;  // 尾指针,指针链表最后一个节点
} list;

2. parser.c文件

2.1 section

typedef struct{
    char *type;  // 字符串
    list *options;  // 双向链表
}section;

一个section结构体变量,Corresponds to a network layer configuration.

(1) type可能的值：[net], [maxpool], [convolutional], [avgpool], [softmax]等等;

(2) options：双向链表,利用尾插法,Insert the properties after the square brackets one by one;

例如.*.cfg配置文件内容如下.

[net]
batch=128
subdivisions=1
height=28
width=28
channels=3
max_crop=32
min_crop=32

hue=.1
saturation=.75
exposure=.75

learning_rate=0.1
policy=poly
power=4
max_batches = 5000
momentum=0.9
decay=0.0005

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=16
size=1
stride=1
pad=1
activation=leaky

correspondingly obtained,The doubly linked list stores the following contents,网状结构.

2.2 size_params

typedef struct size_params{
    int batch;
    int inputs;  // h*w*c
    int h;
    int w;
    int c;
    int index;
    int time_steps;
    int train;  // 为0,则Inference only,为1,Inference & Training
    network net;
} size_params;

3. option_list.h

3.1 kvp

 kvpStructure variables store key-value pairs,比如网络层convolutional有属性batch_normlize=1, filters=2.

/// <summary>
/// 存放属性,比如filter=3.
/// </summary>
typedef struct{
    char *key;  // filter
    char *val;  // 3
    int used;  // 0代表未被使用
} kvp;

4. darknet.h

4.1 network

net网络

typedef struct network {
    int n;  // The number of layers in the network
    int batch;  // 批次大小
    uint64_t *seen;  // How many images have already been processed
    float epoch;  // 迭代大小
    int subdivisions;  // subdivision,对batch size进行进一步的划分,In order to facilitate some small memoryGPUcan also run programs.
    layer *layers;  // Definition of each layer,layer结构体指针.
    float *output;   // 输出
    learning_rate_policy policy;  // 学习率更新策略,枚举类型,包括CONSTANT, STEP, EXP, POLY, STEPS, SIG, RANDOM, SGDR
    float learning_rate;  // 学习率
    float learning_rate_min;
    float learning_rate_max;
    int batches_per_cycle;
    int batches_cycle_mult;
    float momentum;  // 动量大小
    float decay;  // 衰减系数
    ...
} network;

4.2 layer

layer网络层

// layer.h
struct layer {
    LAYER_TYPE type;  // 网络层的名称,枚举类型,比如CONVOLUTIONAL、 MAXPOOL
    ACTIVATION activation;  // 激活函数名称,枚举类型,比如RELU, RELU6, RELIE, LINEAR
    ACTIVATION lstm_activation;  // 激活函数名称,枚举类型
    COST_TYPE cost_type;  // 损失函数名称,枚举类型,包含SSE, MASKED, L1, SEG, SMOOTH,WGAN
    // 定义函数指针
    void(*forward)   (struct layer, struct network_state);  // 前向传播
    void(*backward)  (struct layer, struct network_state);  // 反向传播
    void(*update)    (struct layer, int, float, float, float);  // 更新函数
    void(*forward_gpu)   (struct layer, struct network_state);
    void(*backward_gpu)  (struct layer, struct network_state);
    void(*update_gpu)    (struct layer, int, float, float, float, float);
    layer *share_layer;  // 结构体指针,指向layer结构体变量
    int train;  // 标志符,1表示训练.
    int avgpool;  // 标志符, ?
    int batch_normalize;  // 标志符, ?
    int shortcut; // 标志符, ?
    int batch;  // batch size
    int dynamic_minibatch;  // ?
    int forced;
    int flipped;
    int inputs;  // 输入图片（特征）的元素个数？
    int outputs;  // 输入图片（特征）的元素个数？
    float mean_alpha;
    int nweights;  // The number of elements in the weight matrix,即nThe number of all elements of a multi-channel convolution kernel
    int nbiases;  // The number of bias term elements,对于卷积层,The number of offset items==卷积核个数,对于全连接层,The number of offset items==神经元个数
    int extra;
    int truths;
    int h, w, c;  // The scale of the feature map.
    int out_h, out_w, out_c;  // The scale of the output feature map
    int n;  // 卷积核个数
    int max_boxes;
    int truth_size;
    int groups;  // 组数,默认是1,Packet convolution technique.
    int group_id;
    int size;  // 卷积核的长宽,默认长宽相等.
    int side;
    int stride;  // 步长
    int stride_x;  // x方向的步长
    int stride_y;
    int dilation;  // 空洞卷积参数,默认是1
    ...
};

待续...