1. 前言
最近在做Hi3559A的相关项目，其中需要使用yolov3模型，然而网上基本找不到现成的caffe-yolov3模型，只能够自行转换。另外网上有一些相关的博客，但是其中存在一些问题，特此记录。
本文环境所配环境： ubun16.0.4+cuda8.0+cudnn6.0+opencv3.4.3+torch0.40+python3.5
ps：opencv必须用源码编译，不能pip install opencv-python； ps：
最好退出anaconda环境，连base都退出，笔者在编译caffe时报错，退出conda deactivate恰好解决了问题； ps：
pytorch库是因为后续需要一个脚本其进行darknet-caffe的转换。
2.配置过程
2.1 caffe安装
先从git://github.com/BVLC/caffe下载caffe的1.0版本，或直接命令行获取 git clone
git://github.com/BVLC/caffe.git（需要安装git）
而后cd caffe
复制Makefile.config：cp Makefile.config.example Makefile.config
修改Makefile.config，注意以下几点 a、USE_CUDNN := 1 b、WITH_PYTHON_LAYER := 1
c、删除CUDA_ARCH的两个值 :-gencode arch=compute_20,code=sm_20
-gencode arch=compute_20,code=sm_21 \ d、增加HDF5文件引用路径，如下图红体字所示 INCLUDE_DIRS :=( P Y T H O N I N C L U D E ) / u s r / l o c a l / i n c l u d e / u s r / i n c l u d e / h d f 5 / s e r i a l L I B A B R Y D I R S : = (PYTHON_INCLUDE)/usr/local/include /usr/include/hdf5/serial LIBABRY_DIRS :=(PYTHON
I
NCLUDE)/usr/local/include/usr/include/hdf5/serialLIBABRY
D
IRS:=(PYTHON_LIB) /usr/local/lib
/usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
e、改为python3（原配置文件中默认使用python2.7） # Uncomment to use Python 3
(default is Python 2) PYTHON_LIBRARIES := boost_python3 python3.5m
PYTHON_INCLUDE := /usr/include/python3.5m
/usr/lib/python3.5/dist-packages/numpy/core/include
编译caffe： make all -j8
ps：在这个环节会出现很多的错误提示，一般都是由于缺少相应的库造成的，这个时候一般百度错误都可以找到相关的pip下载指令，如有解决不了的可以留言，我会尽力帮助。
编译py-caffe： make pycaffe -j8
ps：在这个环节或许会出现找不到python.h的问题，一般是由于软连接问题，以下博客可以解决： cd
/usr/lib/x86_64-linux-gnu sudo ln -s libboost_python-py35.so
libboost_python3.so
添加caffe系统环境变量 vi ~/.bashrc export
PYTHONPATH=/xx/xx/caffe/python:$PYTHONPATH（就是你编译caffe的那个文件夹）
source ~/.bashrc
验证安装： make runtest 笔者这一步顺利通过，据说只有几个错一般问题不大，如有问题请留言； import
caffe 可能会找不到相应的python库的问题，利用pip安装；
2.2 caffe升级支持yolov3
caffe官方不支持upsample，需要自行添加相关代码以使其支持yolov3的上采样层，附上网上的一份代码：
https://pan.baidu.com/s/13GpoYoqKSCeFX0m0ves_fQ#list/path=%2F 密码：bwrd
将其中的upsample_layer.hpp移动至include/caffe/layers；
upsample_layer.cpp与upsample_layer.cu移动至src/caffe/layers;
修改相应的caffe.proto文件，src/caffe/proto/caffe.proto中的LayerParameter的最后一行加入：
message LayerParameter { … optional UpsampleParameter
upsample_param = 149; }
ps：这里的ID号是谷歌protobuf的格式要求，随便给一个之前无重复的数字即可，149一般是可以的。
然后在caffe.proto中添加upsample层的参数： message UpsampleParameter{ optional
int32 scale = 1 [default = 1]; } 而后重新编译make clean make all -j8
make pycaffe -j8 至此，caffe编译完成。 ps：函数名称不要敲错了
3.yolov3 caffe转换
这里需要一个脚本，参考：https://github.com/ChenYingpeng/darknet2caffe
下载完成之后，将相应的yolov3.cfg
以及yolov3.weights放入文件夹中，另外修改darknet2caffe.py中前两行的caffe_root为自己的caffe目录，笔者为
/home/passwd123/caffe-master
而后运行脚本： python darknet2caffe.py cfg/yolov3.cfg
weights/yolov3.weights prototxt/yolov3.prototxt
caffemodel/yolov3.caffemodel
若无误则结果应为：
ps：其中的prototxt以及caffemodel是生成的
ps：这一步会出现不少的问题，可能是由于源代码的python版本问题，主要有以下几点：
1.has_key（）函数已抛弃，应该换为 x in y 例如：if block.has_key(‘name’) 换为 if ‘name’ in block:
2.print改为加括号（让笔者疑惑的是原版代码中print有加括号也有没加括号的，实在是不合理······） 如改为：print(‘try:’) 以及文件写入改为：print (’%s %s: %s’ % (blanks, key,
format_value(v)),file=fp)
3.修改一处代码错误，源码会使最终生成的prototxt中pad出现小数 convolution_param[‘pad’] = str(int(int(convolution_param[‘kernel_size’])/2))（源代码少了int()）
4.注意创建文件夹caffemodel，不然输出时会找不到路径，或者修改脚本命令中caffemodel/yolov3.caffemodel为yolov3.caffemodel
至此，yolov3-caffe转换完成。 第一次写博客，还望海涵，如有问题请留言。
3.1 资料补录
应网友要求将我实验成功的脚本打包，已上传至百度云：
链接：https://pan.baidu.com/s/1eClYuGAIiTfdjcptqqZ65w
提取码：uzip
运行这个脚本的前提是你装好了caffe（是指添加了upsample层等源码之后重新编译过后的caffe），请先测试caffe是否安装成功，再进行之后的模型转换。
经个人总结，出现错误的原因可能是权重和cfg文件不匹配、对应的算子不支持、或者是darknet的weights文件不完整（ctrl+c之后自动保存的weights文件一般都是不完整的，请使用满1000iteration自动保存的权重文件）。
“本站所有文章均为原创，欢迎转载，请注明文章出处：https://blog.csdn.net/ll15982534415/article/details/106677227。百度和各类采集站皆不可信，搜索请谨慎鉴别。技术类文章一般都有时效性，本人习惯不定期对自己的博文进行修正和更新，因此请访问出处以查看本文的最新版本。”
本次更新：2020/7/21
4.参考链接：
https://blog.csdn.net/ll15982534415/article/details/107330909
