Liu Kai

> > > 您好，yolov3转caffemodel，用darknet和caffe跑之后对比，发现obj、w、h之间的绝对值误差蛮大的。 > > > > > > 请问您现在有结论了吗，想一起探讨下 > > 解决了，darknet和caffe的yolo层顺序对应上就可以，差异在0.001以下 请问您是怎么解决的，我转换yolov3-tiny的时候也出了问题

You can refer to https://github.com/lewes6369/TensorRT-Yolov3/issues/58#issuecomment-719171936

I don't know if it is too late. I happened to find out that the key issue that caused yolov3-tiny not working is the "**layer12-maxpool**". To be specific, in darknet...

看源码，models.py中第376-380行中，作者跳过了yolo模块最后一层（检测层）的weight赋值，估计原意是为了方便做迁移学习。所以只要简单地把这块代码注释掉，注意缩进，就可以了。 if os.path.basename(file) == 'yolov3.weights' or os.path.basename(file) == 'yolov3-tiny.weights': num_b=255 ptr += num_b num_w = int(self.module_defs[i-1]["filters"]) * 255 ptr += num_w

如果你想在训练好的模型基础上再次训练/稀疏训练，就没什么影响；如果想做迁移学习或者重新训练，最好还是按照源码来 ------------------ 原始邮件 ------------------ 发件人: "Moon"

pytorch的。darknet训练效果没有这个好（最好的是yolov4），而且两者计算置信度的方式不一样 ---原始邮件--- 发件人: "1343464520"

Yes. In practical scenarios (e.g., two images captured by two cameras simultaneously), the warping order does not matter. We are merely used to warping left-image to right-image, not the other...

你好，可以尝试将第233行的 ```python t_s_flat[t_s_flat.abs() < eps] = eps ``` 改为 ```python small_value = (t_s_flat.detach().abs() < eps).float() t_s_flat = t_s_flat * (1-small_value) + eps * small_value ``` 这段代码我没有实际运行过，如果可以的话请告知我们你的运行结果

在CMakeLists.txt里面加上 find_package( OpenCV x.x.x REQUIRED ) cmake会自动帮你找到你的版本的opencv库文件和头文件的

你试试加三级版本号，比如4.1.1，要么就不加那个4，主要是看cmake找不找得到你的opencv，然后才能make ---原始邮件--- 发件人: "jxuepeng"