Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/hgpvision/darknet
darknet深度学习框架源码分析:详细中文注释,涵盖框架原理与实现语法分析
https://github.com/hgpvision/darknet
Last synced: 12 days ago
JSON representation
darknet深度学习框架源码分析:详细中文注释,涵盖框架原理与实现语法分析
- Host: GitHub
- URL: https://github.com/hgpvision/darknet
- Owner: hgpvision
- License: mit
- Created: 2017-07-19T11:25:44.000Z (over 7 years ago)
- Default Branch: master
- Last Pushed: 2018-11-07T06:11:56.000Z (about 6 years ago)
- Last Synced: 2024-08-01T03:17:22.381Z (3 months ago)
- Language: C
- Size: 2.05 MB
- Stars: 1,600
- Watchers: 107
- Forks: 488
- Open Issues: 32
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
- awesome-list - hgpvision/darknet - darknet深度学习框架源码分析:详细中文注释,涵盖框架原理与实现语法分析 (Computer Vision / Classification & Detection & Tracking)
README
# darknet
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架,其主要特点就是容易安装,没有任何依赖项(OpenCV都可以不用),移植性非常好,支持CPU与GPU两种计算方式。更多信息(包括安装、使用)可以参考:[Darknet: Open Source Neural Networks in C](https://pjreddie.com/darknet/)
# 为什么选择darknet?
相比于TensorFlow来说,darknet并没有那么强大,但这也成了darknet的优势:
1. darknet完全由C语言实现,没有任何依赖项,当然可以使用OpenCV,但只是用其来显示图片、为了更好的可视化;
2. darknet支持CPU(所以没有GPU也不用紧的)与GPU(CUDA/cuDNN,使用GPU当然更块更好了);
3. 正是因为其较为轻型,没有像TensorFlow那般强大的API,所以给我的感觉就是有另一种味道的灵活性,适合用来研究底层,可以更为方便的从底层对其进行改进与扩展;
4. darknet的实现与caffe的实现存在相似的地方,熟悉了darknet,相信对上手caffe有帮助;
# 本项目目的与状态
目的很简单,研究darknet底层,窥探深度学习框架原理与具体实现,同时巩固C语言编程(所以注释中不单有很多的框架原理/逻辑分析,也有很多语法分析)。目前只完成部分代码(主要是卷积神经网络)的分析,其注释非常详细(可能很多人会觉得罗嗦了:),那就强忍着吧~),未来会不定期的更新!(忙ing,什么时候会再更呢?)
很希望有相同兴趣的人加入我,一起研究(若有兴趣,欢迎给我发邮件~~)!
# 小小声明
注释中有些地方提及了参考什么什么的,这些多半是指我所作的图表+文字用来帮助理解代码的笔记,原谅我这些笔记还躺在我的电脑里,并没有上传,但不用紧,因为注释真的真的很详细,基本上不用图表也说明清楚了~~
大部分的代码都是本人个人完成的(lonely...),所以难免会有理解错误的地方(可能还不少,害怕ing...),还请多多包涵,若发现与您理解相左的地方,欢迎发邮件给我~~
# 两三点小说明
1. src文件夹中凡是.cu文件,都被我改为.c结尾了(为了一点点方便~),替换之前的文件全被我放在了src/cu文件夹中(没啥用,可以随便删掉~)。如果你没用gpu的话,这没有任何影响,因为没有用gpu就不会用到nvcc编译;但是如果你用gpu的话,还得麻烦你将.c改回.cu,不然编译会出问题的(你可以看一下Makefile文件,.cu文件要用nvcc编译的,要改为.c那就通通用gcc编译了~~)
2. 如果你也愿意解析代码,为其写注释,也可以pull requests给我,我来merge(注释风格如果能够保持一致就最好了~~)
3. Contributors:
* [Goffic](https://github.com/Goffic): 为rnn_layer.c添加了注释
* [LamHoCN](https://github.com/LamHoCN): 修改了一些注释,并提供了一些yolo的应用代码(已push到extension分支中)# 疑惑求解
1. 始终不明白softmax_layer层反向传播函数backward_softmax_layer()中为什么不用对softmax函数求导?
2. region_layer层前向函数forward_region_layer()在求l.output过程中(也就是第一次使用activate_array函数),为什么只对x,y进行了logistic激活函数处理,而没有对w,h处理(也就是activate_array()函数的第二个参数为什么是2*l.w*l.h,而不是4*l.w*l.h)?还有,region_layer这一层没有训练参数吗?
3. 另外,就是region_layer中cost和delta的计算了,感觉并没有弄懂?