如何将Darkflow自定义训练生成的Checkpoint转换为.weights文件？

刚好我之前也做过类似的操作，把Darkflow训练出的TensorFlow checkpoint转成YOLO的.weights文件，这样就能直接用load参数指定权重文件了，给你分享两种靠谱的方法：

方法1：用Darkflow内置命令一键转换 #

Darkflow本身就带了导出权重的功能，你只需要在终端里运行这条命令就行：

flow --model cfg/yolov2-4c.cfg --load 5500 --savepb --weights

参数说明：

• --model：和你加载checkpoint时用的配置文件路径保持一致，也就是cfg/yolov2-4c.cfg
• --load 5500：指定要转换的checkpoint步数（对应你那组5500步的checkpoint文件）
• --savepb + --weights：组合起来会同时导出TensorFlow的.pb模型和YOLO格式的.weights文件

跑完命令后，你会在darkflow的根目录下找到生成的权重文件，命名大概是yolov2-4c_5500.weights。

方法2：通过Python脚本手动导出 #

如果内置命令没达到预期，你也可以写个简单的Python脚本，用darkflow的API完成转换：

from darkflow.net.build import TFNet

# 用你原来加载checkpoint的配置就行
options = {
    'model': 'cfg/yolov2-4c.cfg',
    'load': 5500,
    'threshold': 0.3,
    'gpu': 1.0
}

tfnet = TFNet(options)
# 把权重导出到你指定的路径，比如当前目录下的自定义权重文件
tfnet.save_weights('yolov2-4c-custom.weights')

运行这个脚本后，目标路径下就会生成你需要的.weights文件。

加载转换后的.weights文件 #

转换完成后，只需要修改options里的load参数，把原来的步数改成权重文件的路径就可以了：

options = {
    'model': 'cfg/yolov2-4c.cfg',
    'load': './yolov2-4c-custom.weights',  # 替换成你的权重文件实际路径
    'threshold': 0.3,
    'gpu': 1.0
}

这样就能直接通过.weights文件加载训练好的模型了。

内容的提问来源于stack exchange，提问作者mujahir