Darknet 是目前為止我見到的最簡潔優(yōu)美的深度學習框架，它是純C語言寫成的，并且不需要任何第三方庫（略去OpenCV、CUDA）
希望學習深度學習框架的筒子不妨好好體味一番。

建議的源碼閱讀順序##

layer
首先暗中觀察layer層，這里面可以知道 layer 層的抽象結(jié)構(gòu)是怎樣的。第一次大致看看就可以，看不懂很正常，畢竟起名規(guī)范不好，要后面看具體代碼來理解。
這其中一個關鍵點在于你要知道數(shù)據(jù)在1d數(shù)組中是怎樣存儲的，也即原來的4d（BWHC）數(shù)據(jù)index到1d array的映射關系,這樣方便以后各種嵌套循環(huán)快速理解它到底在干嘛。
很好奇作者為啥不用 N 維數(shù)組來寫。

Paste_Image.png

各種輔助數(shù)據(jù)結(jié)構(gòu)
可看可不看，知道是干啥的就行，畢竟寫的肯定沒有STL好。

1. box
   目標定位專用框框
2. list
   普通鏈表
3. option_list
   類似linked_hash_map
4. tree
   用于word tree
5. matrix
   矩陣操作

各種輔助操作
也是知道干啥的就行，重要理解函數(shù) in out 是啥，不要糾結(jié)于拿元素細節(jié)，詳見layer層描述。

1. im2col & col2im
   Caffe 卷積計算核心部分，將卷積操作轉(zhuǎn)化為矩陣相乘的形式。
2. utils
   一些通用操作
3. gemm
   矩陣相乘操作
4. image
   作者自己寫的一些數(shù)字圖像處理方法
5. blas
   一些線性代數(shù)運算
6. parser
   從 cfg 文件解析網(wǎng)絡結(jié)構(gòu)

network
這個是 darknet 核心，包括了怎樣前饋怎樣BP的重點內(nèi)容。里面有一些 trick 是要在看具體的 layer 之前要了解的，不然可能到時候看不太懂。

各種具體 layer

         activations.h\          # all kinds of none-linearity functions (forward activation & backward gradients compute)
         activations.c\
         activation_layer.h\     # layer (all neurons) forward and backward
         activation_layer.c\
         avgpool_layer.h\        # forward & backward avg_pool
         avgpool_layer.c\
         connected_layer.h\      # forward & backward fully-connected layer
         connected_layer.c\
         convolutional_layer.h\  # forward & backward & other ops convolutinoal layer
         convolutional_layer.c\
         dropout_layer.h\        # forward & backward dropout layer
         dropout_layer.c\
         maxpool_layer.h\        # forward & backward avg_pool
         maxpool_layer.c\
         softmax_layer.h\        # forward & backward softmax layer
         softmax_layer.c\
         deconvolutional_layer.h\# forward & backward deconvolutional_layer
         deconvolutional_layer.c\
         batchnorm_layer.h\      # forward & backward batchnorm_layer
         batchnorm_layer.c\
         normalization_layer.h\  # forward & backward normalization_layer
         normalization_layer.c\
         cost_layer.h\           # forward & backward cost_layer
         cost_layer.c\
         crop_layer.h\           # forward crop_layer
         crop_layer.c\
         local_layer.h\          # forward & backward local_layer
         local_layer.c\
         reorg_layer.h\          # forward & backward reorg_layer
         reorg_layer.c\
         shortcut_layer.h\       # forward & backward shortcut_layer
         shortcut_layer.c\
         detection_layer.h\      # forward & backward detection_layer
         detection_layer.c\
         region_layer.h\         # forward & backward region_layer
         region_layer.c\
         route_layer.h\          # forward & backward route_layer
         route_layer.c\

各種具體應用
如 yolo darkgo 圖像風格轉(zhuǎn)換還有莎翁風格作詩等等等，作者提供了很多應用，此處略去1w字

后記
本文略去了其中的 RNN LSTM內(nèi)容，同時也忽略了 CUDA GPU計算的方面，后續(xù)有時間再補充完整。