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darknet使用到的结构体进行汇总。

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，对应一个网络层配置。

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

(2) options：双向链表，利用尾插法，逐个插入中括号后面的属性；

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

则对应得到的，双向链表存储内容如下，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

 kvp结构体变量存储的是键值对，比如网络层convolutional有属性batch_normlize=1, filters=2.

/// 
/// 存放属性，比如filter=3.
/// 
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;  // 网络中层的数量
    int batch;  // 批次大小
    uint64_t *seen;  // 已经有多少图片被处理过了
    float epoch;  // 迭代大小
    int subdivisions;  // 子划分，对batch size进行进一步的划分，以便于某些小显存的GPU也能够运行程序。
    layer *layers;  // 每一个层的定义，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;  // 权值矩阵元素个数，即n个多通道卷积核的所有元素个数
    int nbiases;  // 偏置项元素个数，对于卷积层，偏置项个数==卷积核个数，对于全连接层，偏置项个数==神经元个数
    int extra;
    int truths;
    int h, w, c;  // 特征图的尺度。
    int out_h, out_w, out_c;  // 输出特征图的尺度
    int n;  // 卷积核个数
    int max_boxes;
    int truth_size;
    int groups;  // 组数，默认是1，分组卷积技术。
    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。。。