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？