Update Readme.md

Alexey

2018-06-07 35b9c3d0e761afa4ae2d900c818e399c0d4e73d4

 src/parser.c

@@ -2,33 +2,37 @@
#include <string.h>
#include <stdlib.h>

#include "blas.h"
#include "parser.h"
#include "assert.h"
#include "activations.h"
#include "crop_layer.h"
#include "cost_layer.h"
#include "convolutional_layer.h"
#include "activation_layer.h"
#include "normalization_layer.h"
#include "batchnorm_layer.h"
#include "connected_layer.h"
#include "rnn_layer.h"
#include "gru_layer.h"
#include "crnn_layer.h"
#include "maxpool_layer.h"
#include "reorg_layer.h"
#include "softmax_layer.h"
#include "dropout_layer.h"
#include "detection_layer.h"
#include "region_layer.h"
#include "activations.h"
#include "assert.h"
#include "avgpool_layer.h"
#include "batchnorm_layer.h"
#include "blas.h"
#include "connected_layer.h"
#include "convolutional_layer.h"
#include "cost_layer.h"
#include "crnn_layer.h"
#include "crop_layer.h"
#include "detection_layer.h"
#include "dropout_layer.h"
#include "gru_layer.h"
#include "list.h"
#include "local_layer.h"
#include "maxpool_layer.h"
#include "normalization_layer.h"
#include "option_list.h"
#include "parser.h"
#include "region_layer.h"
#include "reorg_layer.h"
#include "reorg_old_layer.h"
#include "rnn_layer.h"
#include "route_layer.h"
#include "shortcut_layer.h"
#include "list.h"
#include "option_list.h"
#include "softmax_layer.h"
#include "utils.h"
#include "upsample_layer.h"
#include "yolo_layer.h"
#include <stdint.h>

typedef struct{
    char *type;
@@ -45,6 +49,7 @@
    if (strcmp(type, "[cost]")==0) return COST;
    if (strcmp(type, "[detection]")==0) return DETECTION;
    if (strcmp(type, "[region]")==0) return REGION;
   if (strcmp(type, "[yolo]") == 0) return YOLO;
    if (strcmp(type, "[local]")==0) return LOCAL;
    if (strcmp(type, "[conv]")==0
            || strcmp(type, "[convolutional]")==0) return CONVOLUTIONAL;
@@ -59,6 +64,7 @@
    if (strcmp(type, "[max]")==0
            || strcmp(type, "[maxpool]")==0) return MAXPOOL;
    if (strcmp(type, "[reorg]")==0) return REORG;
   if (strcmp(type, "[reorg_old]") == 0) return REORG_OLD;
    if (strcmp(type, "[avg]")==0
            || strcmp(type, "[avgpool]")==0) return AVGPOOL;
    if (strcmp(type, "[dropout]")==0) return DROPOUT;
@@ -68,6 +74,7 @@
    if (strcmp(type, "[soft]")==0
            || strcmp(type, "[softmax]")==0) return SOFTMAX;
    if (strcmp(type, "[route]")==0) return ROUTE;
   if (strcmp(type, "[upsample]") == 0) return UPSAMPLE;
    return BLANK;
}

@@ -232,19 +239,70 @@
    return layer;
}

int *read_map(char *filename)
int *parse_yolo_mask(char *a, int *num)
{
    int n = 0;
    int *map = 0;
    char *str;
    FILE *file = fopen(filename, "r");
    if(!file) file_error(filename);
    while((str=fgetl(file))){
        ++n;
        map = realloc(map, n*sizeof(int));
        map[n-1] = atoi(str);
    }
    return map;
   int *mask = 0;
   if (a) {
      int len = strlen(a);
      int n = 1;
      int i;
      for (i = 0; i < len; ++i) {
         if (a[i] == ',') ++n;
      }
      mask = calloc(n, sizeof(int));
      for (i = 0; i < n; ++i) {
         int val = atoi(a);
         mask[i] = val;
         a = strchr(a, ',') + 1;
      }
      *num = n;
   }
   return mask;
}

layer parse_yolo(list *options, size_params params)
{
   int classes = option_find_int(options, "classes", 20);
   int total = option_find_int(options, "num", 1);
   int num = total;

   char *a = option_find_str(options, "mask", 0);
   int *mask = parse_yolo_mask(a, &num);
   int max_boxes = option_find_int_quiet(options, "max", 90);
   layer l = make_yolo_layer(params.batch, params.w, params.h, num, total, mask, classes, max_boxes);
   if (l.outputs != params.inputs) {
      printf("Error: l.outputs == params.inputs \n");
      printf("filters= in the [convolutional]-layer doesn't correspond to classes= or mask= in [yolo]-layer \n");
      exit(EXIT_FAILURE);
   }
   //assert(l.outputs == params.inputs);

   //l.max_boxes = option_find_int_quiet(options, "max", 90);
   l.jitter = option_find_float(options, "jitter", .2);
   l.focal_loss = option_find_int_quiet(options, "focal_loss", 0);

   l.ignore_thresh = option_find_float(options, "ignore_thresh", .5);
   l.truth_thresh = option_find_float(options, "truth_thresh", 1);
   l.random = option_find_int_quiet(options, "random", 0);

   char *map_file = option_find_str(options, "map", 0);
   if (map_file) l.map = read_map(map_file);

   a = option_find_str(options, "anchors", 0);
   if (a) {
      int len = strlen(a);
      int n = 1;
      int i;
      for (i = 0; i < len; ++i) {
         if (a[i] == ',') ++n;
      }
      for (i = 0; i < n && i < total*2; ++i) {
         float bias = atof(a);
         l.biases[i] = bias;
         a = strchr(a, ',') + 1;
      }
   }
   return l;
}

layer parse_region(list *options, size_params params)
@@ -252,24 +310,34 @@
    int coords = option_find_int(options, "coords", 4);
    int classes = option_find_int(options, "classes", 20);
    int num = option_find_int(options, "num", 1);
   int max_boxes = option_find_int_quiet(options, "max", 90);

    params.w = option_find_int(options, "side", params.w);
    params.h = option_find_int(options, "side", params.h);

    layer l = make_region_layer(params.batch, params.w, params.h, num, classes, coords);
    assert(l.outputs == params.inputs);
    layer l = make_region_layer(params.batch, params.w, params.h, num, classes, coords, max_boxes);
   if (l.outputs != params.inputs) {
      printf("Error: l.outputs == params.inputs \n");
      printf("filters= in the [convolutional]-layer doesn't correspond to classes= or num= in [region]-layer \n");
      exit(EXIT_FAILURE);
   }
    //assert(l.outputs == params.inputs);

    l.log = option_find_int_quiet(options, "log", 0);
    l.sqrt = option_find_int_quiet(options, "sqrt", 0);

    l.softmax = option_find_int(options, "softmax", 0);
    l.max_boxes = option_find_int_quiet(options, "max",30);
   l.focal_loss = option_find_int_quiet(options, "focal_loss", 0);
    //l.max_boxes = option_find_int_quiet(options, "max",30);
    l.jitter = option_find_float(options, "jitter", .2);
    l.rescore = option_find_int_quiet(options, "rescore",0);

    l.thresh = option_find_float(options, "thresh", .5);
    l.classfix = option_find_int_quiet(options, "classfix", 0);
    l.absolute = option_find_int_quiet(options, "absolute", 0);
    l.random = option_find_int_quiet(options, "random", 0);

    l.coord_scale = option_find_float(options, "coord_scale", 1);
    l.object_scale = option_find_float(options, "object_scale", 1);
    l.noobject_scale = option_find_float(options, "noobject_scale", 1);
   l.mask_scale = option_find_float(options, "mask_scale", 1);
    l.class_scale = option_find_float(options, "class_scale", 1);
    l.bias_match = option_find_int_quiet(options, "bias_match",0);

@@ -286,7 +354,7 @@
        for(i = 0; i < len; ++i){
            if (a[i] == ',') ++n;
        }
        for(i = 0; i < n; ++i){
        for(i = 0; i < n && i < num*2; ++i){
            float bias = atof(a);
            l.biases[i] = bias;
            a = strchr(a, ',')+1;
@@ -355,6 +423,7 @@
layer parse_reorg(list *options, size_params params)
{
    int stride = option_find_int(options, "stride",1);
    int reverse = option_find_int_quiet(options, "reverse",0);

    int batch,h,w,c;
    h = params.h;
@@ -363,10 +432,27 @@
    batch=params.batch;
    if(!(h && w && c)) error("Layer before reorg layer must output image.");

    layer layer = make_reorg_layer(batch,w,h,c,stride);
    layer layer = make_reorg_layer(batch,w,h,c,stride,reverse);
    return layer;
}

layer parse_reorg_old(list *options, size_params params)
{
   printf("\n reorg_old \n");
   int stride = option_find_int(options, "stride", 1);
   int reverse = option_find_int_quiet(options, "reverse", 0);

   int batch, h, w, c;
   h = params.h;
   w = params.w;
   c = params.c;
   batch = params.batch;
   if (!(h && w && c)) error("Layer before reorg layer must output image.");

   layer layer = make_reorg_old_layer(batch, w, h, c, stride, reverse);
   return layer;
}

maxpool_layer parse_maxpool(list *options, size_params params)
{
    int stride = option_find_int(options, "stride",1);
@@ -458,6 +544,15 @@
    return l;
}

layer parse_upsample(list *options, size_params params, network net)
{

   int stride = option_find_int(options, "stride", 2);
   layer l = make_upsample_layer(params.batch, params.w, params.h, params.c, stride);
   l.scale = option_find_float_quiet(options, "scale", 1);
   return l;
}

route_layer parse_route(list *options, size_params params, network net)
{
    char *l = option_find(options, "layers");   
@@ -537,18 +632,24 @@
    net->inputs = option_find_int_quiet(options, "inputs", net->h * net->w * net->c);
    net->max_crop = option_find_int_quiet(options, "max_crop",net->w*2);
    net->min_crop = option_find_int_quiet(options, "min_crop",net->w);
   net->flip = option_find_int_quiet(options, "flip", 1);

   net->small_object = option_find_int_quiet(options, "small_object", 0);
    net->angle = option_find_float_quiet(options, "angle", 0);
    net->aspect = option_find_float_quiet(options, "aspect", 1);
    net->saturation = option_find_float_quiet(options, "saturation", 1);
    net->exposure = option_find_float_quiet(options, "exposure", 1);
    net->hue = option_find_float_quiet(options, "hue", 0);
   net->power = option_find_float_quiet(options, "power", 4);

    if(!net->inputs && !(net->h && net->w && net->c)) error("No input parameters supplied");

    char *policy_s = option_find_str(options, "policy", "constant");
    net->policy = get_policy(policy_s);
    net->burn_in = option_find_int_quiet(options, "burn_in", 0);
#ifdef CUDNN_HALF
   net->burn_in = 0;
#endif
    if(net->policy == STEP){
        net->step = option_find_int(options, "step", 1);
        net->scale = option_find_float(options, "scale", 1);
@@ -582,7 +683,7 @@
        net->gamma = option_find_float(options, "gamma", 1);
        net->step = option_find_int(options, "step", 1);
    } else if (net->policy == POLY || net->policy == RANDOM){
        net->power = option_find_float(options, "power", 1);
        //net->power = option_find_float(options, "power", 1);
    }
    net->max_batches = option_find_int(options, "max_batches", 0);
}
@@ -595,6 +696,11 @@

network parse_network_cfg(char *filename)
{
   return parse_network_cfg_custom(filename, 0);
}

network parse_network_cfg_custom(char *filename, int batch)
{
    list *sections = read_cfg(filename);
    node *n = sections->front;
    if(!n) error("Config file has no sections");
@@ -611,17 +717,20 @@
    params.w = net.w;
    params.c = net.c;
    params.inputs = net.inputs;
   if (batch > 0) net.batch = batch;
    params.batch = net.batch;
    params.time_steps = net.time_steps;
    params.net = net;

   float bflops = 0;
    size_t workspace_size = 0;
    n = n->next;
    int count = 0;
    free_section(s);
    fprintf(stderr, "layer     filters    size              input                output\n");
    while(n){
        params.index = count;
        fprintf(stderr, "%d: ", count);
        fprintf(stderr, "%4d ", count);
        s = (section *)n->val;
        options = s->options;
        layer l = {0};
@@ -646,6 +755,8 @@
            l = parse_cost(options, params);
        }else if(lt == REGION){
            l = parse_region(options, params);
      }else if (lt == YOLO) {
         l = parse_yolo(options, params);
        }else if(lt == DETECTION){
            l = parse_detection(options, params);
        }else if(lt == SOFTMAX){
@@ -658,11 +769,15 @@
        }else if(lt == MAXPOOL){
            l = parse_maxpool(options, params);
        }else if(lt == REORG){
            l = parse_reorg(options, params);
            l = parse_reorg(options, params);      }
      else if (lt == REORG_OLD) {
         l = parse_reorg_old(options, params);
        }else if(lt == AVGPOOL){
            l = parse_avgpool(options, params);
        }else if(lt == ROUTE){
            l = parse_route(options, params, net);
      }else if (lt == UPSAMPLE) {
         l = parse_upsample(options, params, net);
        }else if(lt == SHORTCUT){
            l = parse_shortcut(options, params, net);
        }else if(lt == DROPOUT){
@@ -676,6 +791,8 @@
        }else{
            fprintf(stderr, "Type not recognized: %s\n", s->type);
        }
        l.onlyforward = option_find_int_quiet(options, "onlyforward", 0);
        l.stopbackward = option_find_int_quiet(options, "stopbackward", 0);
        l.dontload = option_find_int_quiet(options, "dontload", 0);
        l.dontloadscales = option_find_int_quiet(options, "dontloadscales", 0);
        option_unused(options);
@@ -690,15 +807,17 @@
            params.c = l.out_c;
            params.inputs = l.outputs;
        }
      if (l.bflops > 0) bflops += l.bflops;
    }   
    free_list(sections);
    net.outputs = get_network_output_size(net);
    net.output = get_network_output(net);
   printf("Total BFLOPS %5.3f \n", bflops);
    if(workspace_size){
        //printf("%ld\n", workspace_size);
#ifdef GPU
        if(gpu_index >= 0){
            net.workspace = cuda_make_array(0, (workspace_size-1)/sizeof(float)+1);
            net.workspace = cuda_make_array(0, workspace_size/sizeof(float) + 1);
        }else {
            net.workspace = calloc(1, workspace_size);
        }
@@ -709,6 +828,8 @@
    return net;
}



list *read_cfg(char *filename)
{
    FILE *file = fopen(filename, "r");
@@ -837,7 +958,7 @@
    }
#endif
    fprintf(stderr, "Saving weights to %s\n", filename);
    FILE *fp = fopen(filename, "w");
    FILE *fp = fopen(filename, "wb");
    if(!fp) file_error(filename);

    int major = 0;
@@ -977,23 +1098,28 @@
        //return;
    }
    int num = l.n*l.c*l.size*l.size;
    if(0){
        fread(l.biases + ((l.n != 1374)?0:5), sizeof(float), l.n, fp);
        if (l.batch_normalize && (!l.dontloadscales)){
            fread(l.scales + ((l.n != 1374)?0:5), sizeof(float), l.n, fp);
            fread(l.rolling_mean + ((l.n != 1374)?0:5), sizeof(float), l.n, fp);
            fread(l.rolling_variance + ((l.n != 1374)?0:5), sizeof(float), l.n, fp);
    fread(l.biases, sizeof(float), l.n, fp);
    if (l.batch_normalize && (!l.dontloadscales)){
        fread(l.scales, sizeof(float), l.n, fp);
        fread(l.rolling_mean, sizeof(float), l.n, fp);
        fread(l.rolling_variance, sizeof(float), l.n, fp);
        if(0){
            int i;
            for(i = 0; i < l.n; ++i){
                printf("%g, ", l.rolling_mean[i]);
            }
            printf("\n");
            for(i = 0; i < l.n; ++i){
                printf("%g, ", l.rolling_variance[i]);
            }
            printf("\n");
        }
        fread(l.weights + ((l.n != 1374)?0:5*l.c*l.size*l.size), sizeof(float), num, fp);
    }else{
        fread(l.biases, sizeof(float), l.n, fp);
        if (l.batch_normalize && (!l.dontloadscales)){
            fread(l.scales, sizeof(float), l.n, fp);
            fread(l.rolling_mean, sizeof(float), l.n, fp);
            fread(l.rolling_variance, sizeof(float), l.n, fp);
        if(0){
            fill_cpu(l.n, 0, l.rolling_mean, 1);
            fill_cpu(l.n, 0, l.rolling_variance, 1);
        }
        fread(l.weights, sizeof(float), num, fp);
    }
    fread(l.weights, sizeof(float), num, fp);
    if(l.adam){
        fread(l.m, sizeof(float), num, fp);
        fread(l.v, sizeof(float), num, fp);
@@ -1029,7 +1155,16 @@
    fread(&major, sizeof(int), 1, fp);
    fread(&minor, sizeof(int), 1, fp);
    fread(&revision, sizeof(int), 1, fp);
    fread(net->seen, sizeof(int), 1, fp);
   if ((major * 10 + minor) >= 2) {
      printf("\n seen 64 \n");
      uint64_t iseen = 0;
      fread(&iseen, sizeof(uint64_t), 1, fp);
      *net->seen = iseen;
   }
   else {
      printf("\n seen 32 \n");
      fread(net->seen, sizeof(int), 1, fp);
   }
    int transpose = (major > 1000) || (minor > 1000);

    int i;