如何将YOLOv4 Tiny的Darknet权重转换为Keras H5格式？

前置准备 #

• 安装匹配版本的依赖：tensorflow==2.4.0、keras==2.4.3、opencv-python、numpy，版本不对大概率会触发映射报错，不要盲目使用最新版本
• 备齐配对文件：训练时同版本的YOLOv4 Tiny .cfg配置文件、对应的.weights格式权重，两个文件必须完全匹配，哪怕差一个自定义的anchor参数都会导致转换失败

核心转换操作 #

• 将适配YOLOv4 Tiny层结构的权重转换脚本（核心逻辑是逐块读取Darknet的权重二进制值，按层顺序映射到Keras网络的对应参数上）保存为本地convert.py，执行转换命令：
  python convert.py 你的cfg文件路径 你的weights文件路径 输出的h5文件路径

常见问题解决 #

• 触发shape不匹配报错：90%的情况是cfg和weights不配对，换用训练时生成的原始cfg重试，不要用公开下载的通用cfg覆盖自定义训练的配置
• 转换后模型精度暴跌：检查转换脚本是否遗漏了BN层的偏置参数读取，部分老版本脚本默认跳过BN层的bias，会直接导致推理结果完全偏离
• h5文件加载报错：如果使用tf2.10以上版本执行转换，会出现层名映射错位，要么降级到指定的tf2.4.0版本，要么手动在脚本里修正Darknet route层、最大池化层和Keras层的对应关系
• 转换结果校验：转完后加载h5模型，和原始Darknet模型跑同一张测试图，两者输出的检测框坐标、置信度误差小于1e-3就算转换合格

内容的提问来源于stack exchange，提问作者giorgio segalla