探討下?https://blog.csdn.net/zhqh100/article/details/94737221?下各位大神的提問，darknet里面有沒有maxpooling層，只是探討，如有錯誤也請指出

通過以下幾個方向來分析

1. 我最初學習該網絡結構是通過mxnet來學習的，因為其官方庫中包含了yolov3的代碼，比較容易上手，而且直接支持 TensorFlow 這邊的 eager 模式，mxnet上面應該是叫做?imperative，即命令式編程，http://zh.gluon.ai/chapter_computational-performance/hybridize.html，方便調試打印，而 TensorFlow 還沒找到官方的 yolov3 的工程，雖然有民間大神做的

根據https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg?中的配置來找?https://blog.csdn.net/zhqh100/article/details/94737221中的網絡結構直接的對應關系，

yolov3.cfg中有五處?# Downsample 的注釋，其中對應的參數均為?stride=2，其對應的?filters 為：

37行：filters=64

67行：filters=128

117行：filters=256

288行：filters=512

463行：filters=1024

而?https://blog.csdn.net/zhqh100/article/details/94737221?中，對應下采樣的幾行：

第12行：Conv2D-4 (1, 64, 256, 352)

第24行：Conv2D-14 (1, 128, 128, 176)

第44行：Conv2D-31 (1, 256, 64, 88)

第113行：Conv2D-90 (1, 512, 32, 44)

第182行：Conv2D-149 (1, 1024, 16, 22)

可見filter是完全對應的，所以這個網絡結構不是瞎編的，確實是通過卷積時的stride=2來實現的

?

?

2. 網上有看到文章，鏈接為https://blog.csdn.net/haoqimao_hard/article/details/82109015， 包含如下圖片

其中的Convolutional 512 3 X 3 / 2，應該是一目了然，確實是通過conv的stride來下采樣的

?

主要是懶得看代碼了，所以通過一些簡單的分析，來互相驗證(*^▽^*)

本文完

——————————————————————————————————————

?

閑聊

*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*? *??*?

各位要修改網絡結構嗎？我覺得像 darknet 這樣的結構，也沒有那么神圣吧，感覺不過就是一些卷積、池化、殘差互相的堆積，自己拼湊一下也能搞出一個神經網絡結構，提高步長和池化都可以達到下采樣的類似效果，不一定哪個結構就一定比另一個結構準確率更高吧，所以，個人覺得，何必這么糾結? ^_^

?

我現在比較喜歡MobileNet

總結

以上是生活随笔為你收集整理的darknet53网络结构及配置文件对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。