深度学习：yolov3的使用--建立模型

使用argparse模块来定义和解析命令行参数

创建一个ArgumentParser对象

parser = argparse.ArgumentParser()

训练的轮数，每批图像的大小，更新模型参数之前累积梯度的次数,模型定义文件的路径。

parser.add_argument("--epochs", type=int, default=100, help="number of epochs") #训练次数
    parser.add_argument("--batch_size", type=int, default=1, help="size of each image batch")   #batch的大小
    parser.add_argument("--gradient_accumulations", type=int, default=2, help="number of gradient accums before step")#在每一步（更新模型参数）之前累积梯度的次数”
    parser.add_argument("--model_def", type=str, default="config/yolov3.cfg", help="path to model definition file") #模型的配置文件

数据配置文件的路径，从预训练的模型权重开始训练，生成批次数据时使用的CPU线程数。

parser.add_argument("--data_config", type=str, default="config/coco.data", help="path to data config file") #数据的配置文件
    parser.add_argument("--pretrained_weights", type=str, help="if specified starts from checkpoint model") #预训练文件
    parser.add_argument("--n_cpu", type=int, default=0, help="number of cpu threads to use during batch generation")#数据加载过程中应使用的CPU线程数。

每张图像的尺寸，每隔多少个epoch保存一次模型权重，每隔多少个epoch在验证集上进行一次评估，每十批计算一次平均精度（mAP），是否允许多尺度训练，

parser.add_argument("--img_size", type=int, default=416, help="size of each image dimension")
    parser.add_argument("--checkpoint_interval", type=int, default=20, help="interval between saving model weights")#隔多少个epoch保存一次模型权重
    parser.add_argument("--evaluation_interval", type=int, default=20, help="interval evaluations on validation set")#多少个epoch进行一次验证集的验证
    parser.add_argument("--compute_map", default=False, help="if True computes mAP every tenth batch")#
    parser.add_argument("--multiscale_training", default=True, help="allow for multi-scale training")

使用parse_args方法解析命令行参数

opt = parser.parse_args()

使用TensorFlow 2.0以上版本中的tf.summary模块创建日志记录器（Logger）

import tensorflow as tf  # 导入TensorFlow库，并简写为tf
# 确保使用的是TensorFlow 2.0或更高版本
 
class Logger(object):
    def __init__(self, log_dir):
        """
        Create a summary writer logging to log_dir.
        这个类的构造函数接受一个参数log_dir，它表示日志文件将要保存的目录。
        函数的作用是创建一个日志记录器，用于记录TensorFlow的摘要信息（例如训练过程中的损失、准确率等）。
        """
        self.writer = tf.summary.create_file_writer(log_dir)  # 创建一个文件写入器，用于将摘要信息写入到指定的日志目录

调用Logger，创建目录

logger = Logger("logs")
# 创建Logger类的实例，并将日志目录设置为"logs"。这意味着所有的日志信息将被写入到当前工作目录下的"logs"文件夹中。
 
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 这行代码使用PyTorch的torch.device来确定运行设备。如果系统有可用的CUDA（即NVIDIA的GPU），则device将被设置为"cuda"，否则将使用CPU。
 
os.makedirs("output", exist_ok=True)
# 使用os模块的makedirs函数创建一个名为"output"的目录。exist_ok=True参数意味着如果"output"目录已经存在，不会抛出错误。
 
os.makedirs("checkpoints", exist_ok=True)
# 类似地，这行代码创建一个名为"checkpoints"的目录。这个目录通常用于存储模型的检查点或保存的状态，以便后续可以恢复训练或进行模型评估。

定义 parse_data_config 的函数，它用于解析数据配置文件(文件内容分类种类，训练集路径，测试集路径，文件名称路径)

def parse_data_config(path):
    """Parses the data configuration file"""
    options = dict()
    options['gpus'] = '0,1,2,3'
    options['num_workers'] = '10'
    with open(path, 'r') as fp:
        lines = fp.readlines()
    for line in lines:
        line = line.strip()
        if line == '' or line.startswith('#'):#startswith()用于检查字符串是否以特定的子字符串开始。如果是，它将返回True，否则返回False。
            continue
        key, value = line.split('=')
        options[key.strip()] = value.strip()
    return options

调用函数

    data_config = parse_data_config(opt.data_config)
    train_path = data_config["train"]
    valid_path = data_config["valid"]

定义了一个名为 load_classes 的函数，它用于从指定路径加载类别标签

def load_classes(path):
    """
    Loads class labels at 'path'
    """
    fp = open(path, "r")
    names = fp.read().split("\n")[:-1]
    return names

调用函数

class_names = load_classes(data_config["names"])

定义了一个名为 parse_model_config 的函数，它用于解析 YOLOv3 模型的配置文件

读取文件划分如卷积、池化、上采样、路由、快捷连接和 YOLO 层

def parse_model_config(path):
    """Parses the yolo-v3 layer configuration file and returns module definitions"""
    file = open(path, 'r')
    lines = file.read().split('\n')
    lines = [x for x in lines if x and not x.startswith('#')]   #x.startswith('#')用于检查字符串变量x是否以#前缀开始。如果x以该前缀开头，该方法将返回一个布尔值，通常是True，否则返回False。
    lines = [x.rstrip().lstrip() for x in lines] # get rid of fringe whitespaces
    module_defs = []
    for line in lines:
        if line.startswith('['): # This marks the start of a new block
            module_defs.append({})
            module_defs[-1]['type'] = line[1:-1].rstrip()
            if module_defs[-1]['type'] == 'convolutional':
                module_defs[-1]['batch_normalize'] = 0
        else:
            key, value = line.split("=")
            value = value.strip()
            module_defs[-1][key.rstrip()] = value.strip()
 
    return module_defs

这个函数的目的是将 YOLOv3 模型配置文件中的文本描述转换成 PyTorch 可以理解的网络层模块。它首先处理超参数，然后逐个处理每个模块定义，根据模块的类型（如卷积、池化、上采样、路由、快捷连接和 YOLO 层）创建相应的 PyTorch 层，并添加到 module_list 中。

def create_modules(module_defs):
    """
    Constructs module list of layer blocks from module configuration in module_defs
    """
    # 从模块定义列表中弹出第一个元素，它包含了超参数（hyperparameters），例如输入图像的尺寸等。
    hyperparams = module_defs.pop(0)
    
    # 初始化输出过滤器列表，它将存储每一层的输出通道数（即卷积核的数量）。
    # 这里假设第一个超参数中的 'channels' 键对应的值是网络输入层的通道数。
    output_filters = [int(hyperparams["channels"])]
 
    # 创建一个 PyTorch 的 ModuleList 对象，用于存储网络层模块。
    module_list = nn.ModuleList()
 
    # 遍历模块定义列表，module_i 是索引，module_def 是当前模块的定义。
    for module_i, module_def in enumerate(module_defs):
        # 对于每个模块，创建一个 PyTorch 的 Sequential 对象，用于线性堆叠网络层。
        modules = nn.Sequential()
 
        # 如果模块类型是 "convolutional"：
        if module_def["type"] == "convolutional":
            # 获取当前模块是否使用批归一化（batch normalization）。
            bn = int(module_def["batch_normalize"])
            # 获取卷积核的数量（即输出通道数）。
            filters = int(module_def["filters"])
            # 获取卷积核的大小。
            kernel_size = int(module_def["size"])
            # 计算填充值，以保持输出尺寸与输入尺寸相同。
            pad = (kernel_size - 1) // 2
            # 添加一个卷积层到 Sequential 对象中。
            modules.add_module(
                f"conv_{module_i}",
                nn.Conv2d(
                    in_channels=output_filters[-1],  # 输入特征图的数量。
                    out_channels=filters,  # 输出特征图的数量。
                    kernel_size=kernel_size,  # 卷积核的大小。
                    stride=int(module_def["stride"]),  # 卷积核滑动的步长。
                    padding=pad,  # 填充值。
                    bias=not bn,  # 是否添加偏置项。
                ),
            )
            # 如果使用批归一化，则添加一个批归一化层。
            if bn:
                modules.add_module(f"batch_norm_{module_i}", nn.BatchNorm2d(filters, momentum=0.9))
            # 如果激活函数是 "leaky"，则添加一个 LeakyReLU 激活层。
            if module_def["activation"] == "leaky":
                modules.add_module(f"leaky_{module_i}", nn.LeakyReLU(0.1))
 
        # 如果模块类型是 "maxpool"：
        elif module_def["type"] == "maxpool":
            # 获取池化层的大小和步长。
            kernel_size = int(module_def["size"])
            stride = int(module_def["stride"])
            # 如果池化核大小为2且步长为1，添加一个填充层以保持尺寸。
            if kernel_size == 2 and stride == 1:
                modules.add_module(f"_debug_padding_{module_i}", nn.ZeroPad2d((0, 1, 0, 1)))
            # 添加一个最大池化层。
            maxpool = nn.MaxPool2d(kernel_size=kernel_size, stride=stride, padding=int((kernel_size - 1) // 2))
            modules.add_module(f"maxpool_{module_i}", maxpool)
 
        # 如果模块类型是 "upsample"：
        elif module_def["type"] == "upsample":
            # 添加一个上采样层。
            upsample = Upsample(scale_factor=int(module_def["stride"]), mode="nearest")
            modules.add_module(f"upsample_{module_i}", upsample)
 
        # 如果模块类型是 "route"：
        elif module_def["type"] == "route":
            # 获取路由层的层索引。
            layers = [int(x) for x in module_def["layers"].split(",")]
            # 计算路由层的输出通道数。
            filters = sum([output_filters[1:][i] for i in layers])
            # 添加一个空层作为路由层。
            modules.add_module(f"route_{module_i}", EmptyLayer())
 
        # 如果模块类型是 "shortcut"：
        elif module_def["type"] == "shortcut":
            # 获取快捷连接的输入通道数。
            filters = output_filters[1:][int(module_def["from"])]
            # 添加一个空层作为快捷连接层。
            modules.add_module(f"shortcut_{module_i}", EmptyLayer())
 
        # 如果模块类型是 "yolo"：
        elif module_def["type"] == "yolo":
            # 获取 YOLO 层的锚点索引和锚点值。
            anchor_idxs = [int(x) for x in module_def["mask"].split(",")]
            anchors = [int(x) for x in module_def["anchors"].split(",")]
            anchors = [(anchors[i], anchors[i + 1]) for i in range(0, len(anchors), 2)]
            anchors = [anchors[i] for i in anchor_idxs]
            # 获取 YOLO 层的类别数和图像尺寸。
            num_classes = int(module_def["classes"])
            img_size = int(hyperparams["height"])
            # 创建一个 YOLO 层并添加到模块中。
            yolo_layer = YOLOLayer(anchors, num_classes, img_size)
            modules.add_module(f"yolo_{module_i}", yolo_layer)
 
        # 将构建好的模块添加到模块列表中。
        module_list.append(modules)
        # 更新输出过滤器列表，添加当前模块的输出通道数。
        output_filters.append(filters)
 
    # 返回超参数和构建好的模块列表。
    return hyperparams, module_list

定义了一个名为 Darknet 的类，它是用于构建 YOLOv3 目标检测模型的 PyTorch 神经网络类。

class Darknet(nn.Module):
    """YOLOv3 object detection model"""
    # 这个类继承自 PyTorch 的 nn.Module 类，表示它是一个神经网络模型。
    # YOLOv3 是一个流行的目标检测算法，这个类实现了 YOLOv3 的网络结构。
 
    def __init__(self, config_path, img_size=416):
        super(Darknet, self).__init__()
        # 类的构造函数接受两个参数：config_path（模型配置文件的路径）和 img_size（输入图像的尺寸，默认为416）。
        # super() 函数用于调用父类的构造函数，即初始化 PyTorch 的 nn.Module。
 
        self.module_defs = parse_model_config(config_path)
        # 调用 parse_model_config 函数解析配置文件，并存储解析后的模块定义。
 
        self.hyperparams, self.module_list = create_modules(self.module_defs)
        # 调用 create_modules 函数根据模块定义创建网络层，并存储超参数和模块列表。
 
        self.yolo_layers = [layer[0] for layer in self.module_list if hasattr(layer[0], "metrics")]
        # 从模块列表中提取出包含 'metrics' 属性的层，这些层通常是 YOLO 层，用于目标检测。
        # hasattr() 函数检查对象是否具有给定的属性。
 
        self.img_size = img_size
        # 存储输入图像的尺寸。
 
        self.seen = 0
        # 用于跟踪训练过程中看到的数据量（例如，图像数量）。
 
        self.header_info = np.array([0, 0, 0, self.seen, 0], dtype=np.int32)
        # 创建一个 NumPy 数组，用于存储与模型相关的头部信息，如版本、修订号、seen、未知字段和 epoch 数。

调用函数

    model = Darknet(opt.model_def).to(device)
    model.apply(weights_init_normal)#model.apply(fn)表示将fn函数应用到神经网络的各个模块上，包括该神经网络本身。这通常在初始化神经网络的参数时使用，本处用于初始化神经网络的权值