mirror of
https://github.com/pjreddie/darknet.git
synced 2023-08-10 21:13:14 +03:00
Removing even more conflicts
This commit is contained in:
Anup Rajput
10
cfg/combine9k.data
Normal file
10
cfg/combine9k.data
Normal file
@@ -0,0 +1,10 @@
|
||||
classes= 9418
|
||||
#train = /home/pjreddie/data/coco/trainvalno5k.txt
|
||||
train = data/combine9k.train.list
|
||||
valid = /home/pjreddie/data/imagenet/det.val.files
|
||||
labels = data/9k.labels
|
||||
names = data/9k.names
|
||||
backup = backup/
|
||||
map = data/inet9k.map
|
||||
eval = imagenet
|
||||
results = results
|
||||
211
cfg/yolo9000.cfg
Normal file
211
cfg/yolo9000.cfg
Normal file
@@ -0,0 +1,211 @@
|
||||
[net]
|
||||
batch=1
|
||||
subdivisions=1
|
||||
height=416
|
||||
width=416
|
||||
channels=3
|
||||
momentum=0.9
|
||||
decay=0.0005
|
||||
|
||||
learning_rate=0.00001
|
||||
max_batches = 242200
|
||||
policy=steps
|
||||
steps=500,200000,240000
|
||||
scales=10,.1,.1
|
||||
|
||||
hue=.1
|
||||
saturation=.75
|
||||
exposure=.75
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=32
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[maxpool]
|
||||
size=2
|
||||
stride=2
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[maxpool]
|
||||
size=2
|
||||
stride=2
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=64
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[maxpool]
|
||||
size=2
|
||||
stride=2
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=128
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[maxpool]
|
||||
size=2
|
||||
stride=2
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=256
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[maxpool]
|
||||
size=2
|
||||
stride=2
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=512
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
batch_normalize=1
|
||||
filters=1024
|
||||
size=3
|
||||
stride=1
|
||||
pad=1
|
||||
activation=leaky
|
||||
|
||||
[convolutional]
|
||||
filters=28269
|
||||
size=1
|
||||
stride=1
|
||||
pad=1
|
||||
activation=linear
|
||||
|
||||
[region]
|
||||
anchors = 0.77871, 1.14074, 3.00525, 4.31277, 9.22725, 9.61974
|
||||
bias_match=1
|
||||
classes=9418
|
||||
coords=4
|
||||
num=3
|
||||
softmax=1
|
||||
jitter=.2
|
||||
rescore=1
|
||||
|
||||
object_scale=5
|
||||
noobject_scale=1
|
||||
class_scale=1
|
||||
coord_scale=1
|
||||
|
||||
thresh = .6
|
||||
absolute=1
|
||||
random=1
|
||||
|
||||
tree=data/9k.tree
|
||||
map = data/coco9k.map
|
||||
9418
data/9k.labels
Normal file
9418
data/9k.labels
Normal file
File diff suppressed because it is too large
Load Diff
9418
data/9k.names
Normal file
9418
data/9k.names
Normal file
File diff suppressed because it is too large
Load Diff
9418
data/9k.tree
Normal file
9418
data/9k.tree
Normal file
File diff suppressed because it is too large
Load Diff
80
data/coco9k.map
Normal file
80
data/coco9k.map
Normal file
@@ -0,0 +1,80 @@
|
||||
5177
|
||||
3768
|
||||
3802
|
||||
3800
|
||||
4107
|
||||
4072
|
||||
4071
|
||||
3797
|
||||
4097
|
||||
2645
|
||||
5150
|
||||
2644
|
||||
3257
|
||||
2523
|
||||
6527
|
||||
6866
|
||||
6912
|
||||
7342
|
||||
7255
|
||||
7271
|
||||
7217
|
||||
6858
|
||||
7343
|
||||
7233
|
||||
3704
|
||||
4374
|
||||
3641
|
||||
5001
|
||||
3899
|
||||
2999
|
||||
2631
|
||||
5141
|
||||
2015
|
||||
1133
|
||||
1935
|
||||
1930
|
||||
5144
|
||||
5143
|
||||
2371
|
||||
3916
|
||||
3745
|
||||
3640
|
||||
4749
|
||||
4736
|
||||
4735
|
||||
3678
|
||||
58
|
||||
42
|
||||
771
|
||||
81
|
||||
152
|
||||
141
|
||||
786
|
||||
700
|
||||
218
|
||||
791
|
||||
2518
|
||||
2521
|
||||
3637
|
||||
2458
|
||||
2505
|
||||
2519
|
||||
3499
|
||||
2837
|
||||
3503
|
||||
2597
|
||||
3430
|
||||
2080
|
||||
5103
|
||||
5111
|
||||
5102
|
||||
3013
|
||||
5096
|
||||
1102
|
||||
3218
|
||||
4010
|
||||
2266
|
||||
1127
|
||||
5122
|
||||
2360
|
||||
200
data/inet9k.map
Normal file
200
data/inet9k.map
Normal file
@@ -0,0 +1,200 @@
|
||||
2687
|
||||
4107
|
||||
8407
|
||||
7254
|
||||
42
|
||||
6797
|
||||
127
|
||||
2268
|
||||
2442
|
||||
3704
|
||||
260
|
||||
1970
|
||||
58
|
||||
4443
|
||||
2661
|
||||
2043
|
||||
2039
|
||||
4858
|
||||
4007
|
||||
6858
|
||||
8408
|
||||
166
|
||||
2523
|
||||
3768
|
||||
4347
|
||||
6527
|
||||
2446
|
||||
5005
|
||||
3274
|
||||
3678
|
||||
4918
|
||||
709
|
||||
4072
|
||||
8428
|
||||
7223
|
||||
2251
|
||||
3802
|
||||
3848
|
||||
7271
|
||||
2677
|
||||
8267
|
||||
2849
|
||||
2518
|
||||
2738
|
||||
3746
|
||||
5105
|
||||
3430
|
||||
3503
|
||||
2249
|
||||
1841
|
||||
2032
|
||||
2358
|
||||
122
|
||||
3984
|
||||
4865
|
||||
3246
|
||||
5095
|
||||
6912
|
||||
6878
|
||||
8467
|
||||
2741
|
||||
1973
|
||||
3057
|
||||
7217
|
||||
1872
|
||||
44
|
||||
2452
|
||||
3637
|
||||
2704
|
||||
6917
|
||||
2715
|
||||
6734
|
||||
2325
|
||||
6864
|
||||
6677
|
||||
2035
|
||||
1949
|
||||
338
|
||||
2664
|
||||
5122
|
||||
1844
|
||||
784
|
||||
2223
|
||||
7188
|
||||
2719
|
||||
2670
|
||||
4830
|
||||
158
|
||||
4818
|
||||
7228
|
||||
1965
|
||||
7342
|
||||
786
|
||||
2095
|
||||
8281
|
||||
8258
|
||||
7406
|
||||
3915
|
||||
8382
|
||||
2437
|
||||
2837
|
||||
82
|
||||
6871
|
||||
1876
|
||||
7447
|
||||
8285
|
||||
5007
|
||||
2740
|
||||
3463
|
||||
5103
|
||||
3755
|
||||
4910
|
||||
6809
|
||||
3800
|
||||
118
|
||||
3396
|
||||
3092
|
||||
2709
|
||||
81
|
||||
7105
|
||||
4036
|
||||
2366
|
||||
1846
|
||||
5177
|
||||
2684
|
||||
64
|
||||
2041
|
||||
3919
|
||||
700
|
||||
3724
|
||||
1742
|
||||
39
|
||||
807
|
||||
7184
|
||||
2256
|
||||
235
|
||||
2778
|
||||
2996
|
||||
2030
|
||||
3714
|
||||
7167
|
||||
2369
|
||||
6705
|
||||
6861
|
||||
5096
|
||||
2597
|
||||
2166
|
||||
2036
|
||||
3228
|
||||
3747
|
||||
2711
|
||||
8300
|
||||
2226
|
||||
7153
|
||||
7255
|
||||
2631
|
||||
7109
|
||||
8242
|
||||
7445
|
||||
3776
|
||||
3803
|
||||
3690
|
||||
2025
|
||||
2521
|
||||
2316
|
||||
7190
|
||||
8249
|
||||
3352
|
||||
2639
|
||||
2887
|
||||
100
|
||||
4219
|
||||
3344
|
||||
5008
|
||||
7224
|
||||
3351
|
||||
2434
|
||||
2074
|
||||
2034
|
||||
8304
|
||||
5004
|
||||
6868
|
||||
5102
|
||||
2645
|
||||
4071
|
||||
2716
|
||||
2717
|
||||
7420
|
||||
3499
|
||||
3763
|
||||
5084
|
||||
2676
|
||||
2046
|
||||
5107
|
||||
5097
|
||||
3944
|
||||
4097
|
||||
7132
|
||||
3956
|
||||
7343
|
||||
28
src/box.c
28
src/box.c
@@ -274,6 +274,34 @@ void do_nms_obj(box *boxes, float **probs, int total, int classes, float thresh)
|
||||
}
|
||||
|
||||
|
||||
void do_nms_sort(box *boxes, float **probs, int total, int classes, float thresh)
|
||||
{
|
||||
int i, j, k;
|
||||
sortable_bbox *s = calloc(total, sizeof(sortable_bbox));
|
||||
|
||||
for(i = 0; i < total; ++i){
|
||||
s[i].index = i;
|
||||
s[i].class = classes;
|
||||
s[i].probs = probs;
|
||||
}
|
||||
|
||||
qsort(s, total, sizeof(sortable_bbox), nms_comparator);
|
||||
for(i = 0; i < total; ++i){
|
||||
if(probs[s[i].index][classes] == 0) continue;
|
||||
box a = boxes[s[i].index];
|
||||
for(j = i+1; j < total; ++j){
|
||||
box b = boxes[s[j].index];
|
||||
if (box_iou(a, b) > thresh){
|
||||
for(k = 0; k < classes+1; ++k){
|
||||
probs[s[j].index][k] = 0;
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
free(s);
|
||||
}
|
||||
|
||||
|
||||
void do_nms_sort(box *boxes, float **probs, int total, int classes, float thresh)
|
||||
{
|
||||
int i, j, k;
|
||||
|
||||
@@ -1,91 +0,0 @@
|
||||
#include "mini_blas.h"
|
||||
|
||||
void cpu_gemm_nn(int TA, int TB, int M, int N, int K, float ALPHA,
|
||||
float *A, int lda,
|
||||
float *B, int ldb,
|
||||
float BETA,
|
||||
float *C, int ldc)
|
||||
{
|
||||
int i,j,k;
|
||||
for(i = 0; i < M; ++i){
|
||||
for(k = 0; k < K; ++k){
|
||||
register float A_PART = ALPHA*A[i*lda+k];
|
||||
for(j = 0; j < N; ++j){
|
||||
C[i*ldc+j] += A_PART*B[k*ldb+j];
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
void cpu_gemm_nt(int TA, int TB, int M, int N, int K, float ALPHA,
|
||||
float *A, int lda,
|
||||
float *B, int ldb,
|
||||
float BETA,
|
||||
float *C, int ldc)
|
||||
{
|
||||
int i,j,k;
|
||||
for(i = 0; i < M; ++i){
|
||||
for(j = 0; j < N; ++j){
|
||||
register float sum = 0;
|
||||
for(k = 0; k < K; ++k){
|
||||
sum += ALPHA*A[i*lda+k]*B[k+j*ldb];
|
||||
}
|
||||
C[i*ldc+j] += sum;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
void cpu_gemm_tn(int TA, int TB, int M, int N, int K, float ALPHA,
|
||||
float *A, int lda,
|
||||
float *B, int ldb,
|
||||
float BETA,
|
||||
float *C, int ldc)
|
||||
{
|
||||
int i,j,k;
|
||||
for(i = 0; i < M; ++i){
|
||||
for(k = 0; k < K; ++k){
|
||||
register float A_PART = ALPHA*A[k*lda+i];
|
||||
for(j = 0; j < N; ++j){
|
||||
C[i*ldc+j] += A_PART*B[k*ldb+j];
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
void cpu_gemm_tt(int TA, int TB, int M, int N, int K, float ALPHA,
|
||||
float *A, int lda,
|
||||
float *B, int ldb,
|
||||
float BETA,
|
||||
float *C, int ldc)
|
||||
{
|
||||
int i,j,k;
|
||||
for(i = 0; i < M; ++i){
|
||||
for(j = 0; j < N; ++j){
|
||||
for(k = 0; k < K; ++k){
|
||||
C[i*ldc+j] += ALPHA*A[i+k*lda]*B[k+j*ldb];
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
void cpu_gemm(int TA, int TB, int M, int N, int K, float ALPHA,
|
||||
float *A, int lda,
|
||||
float *B, int ldb,
|
||||
float BETA,
|
||||
float *C, int ldc)
|
||||
{
|
||||
int i, j;
|
||||
for(i = 0; i < M; ++i){
|
||||
for(j = 0; j < N; ++j){
|
||||
C[i*ldc + j] *= BETA;
|
||||
}
|
||||
}
|
||||
if(!TA && !TB)
|
||||
cpu_gemm_nn( TA, TB, M, N, K, ALPHA,A,lda, B, ldb,BETA,C,ldc);
|
||||
else if(TA && !TB)
|
||||
cpu_gemm_tn( TA, TB, M, N, K, ALPHA,A,lda, B, ldb,BETA,C,ldc);
|
||||
else if(!TA && TB)
|
||||
cpu_gemm_nt( TA, TB, M, N, K, ALPHA,A,lda, B, ldb,BETA,C,ldc);
|
||||
else
|
||||
cpu_gemm_tt( TA, TB, M, N, K, ALPHA,A,lda, B, ldb,BETA,C,ldc);
|
||||
}
|
||||
@@ -11,7 +11,7 @@
|
||||
|
||||
layer make_region_layer(int batch, int w, int h, int n, int classes, int coords)
|
||||
{
|
||||
region_layer l = {0};
|
||||
layer l = {0};
|
||||
l.type = REGION;
|
||||
|
||||
l.n = n;
|
||||
|
||||
205
src/server.c
205
src/server.c
@@ -1,205 +0,0 @@
|
||||
#include <stdio.h> /* needed for sockaddr_in */
|
||||
#include <string.h> /* needed for sockaddr_in */
|
||||
#include <unistd.h>
|
||||
#include <sys/types.h>
|
||||
#include <sys/socket.h>
|
||||
#include <netinet/in.h> /* needed for sockaddr_in */
|
||||
#include <netdb.h>
|
||||
#include <pthread.h>
|
||||
#include <time.h>
|
||||
|
||||
#include "mini_blas.h"
|
||||
#include "utils.h"
|
||||
#include "parser.h"
|
||||
#include "server.h"
|
||||
#include "connected_layer.h"
|
||||
#include "convolutional_layer.h"
|
||||
|
||||
#define SERVER_PORT 9423
|
||||
#define STR(x) #x
|
||||
|
||||
int socket_setup(int server)
|
||||
{
|
||||
int fd = 0; /* our socket */
|
||||
struct sockaddr_in me; /* our address */
|
||||
|
||||
/* create a UDP socket */
|
||||
|
||||
if ((fd = socket(AF_INET, SOCK_STREAM, 0)) < 0) {
|
||||
error("cannot create socket");
|
||||
}
|
||||
|
||||
/* bind the socket to any valid IP address and a specific port */
|
||||
if (server == 1){
|
||||
bzero((char *) &me, sizeof(me));
|
||||
me.sin_family = AF_INET;
|
||||
me.sin_addr.s_addr = htonl(INADDR_ANY);
|
||||
me.sin_port = htons(SERVER_PORT);
|
||||
|
||||
if (bind(fd, (struct sockaddr *)&me, sizeof(me)) < 0) {
|
||||
error("bind failed");
|
||||
}
|
||||
}
|
||||
|
||||
return fd;
|
||||
}
|
||||
|
||||
typedef struct{
|
||||
int fd;
|
||||
int counter;
|
||||
network net;
|
||||
} connection_info;
|
||||
|
||||
void read_and_add_into(int fd, float *a, int n)
|
||||
{
|
||||
float *buff = calloc(n, sizeof(float));
|
||||
read_all(fd, (char*) buff, n*sizeof(float));
|
||||
axpy_cpu(n, 1, buff, 1, a, 1);
|
||||
free(buff);
|
||||
}
|
||||
|
||||
void handle_connection(void *pointer)
|
||||
{
|
||||
connection_info info = *(connection_info *) pointer;
|
||||
free(pointer);
|
||||
//printf("New Connection\n");
|
||||
if(info.counter%100==0){
|
||||
char buff[256];
|
||||
sprintf(buff, "unikitty/net_%d.part", info.counter);
|
||||
save_network(info.net, buff);
|
||||
}
|
||||
int fd = info.fd;
|
||||
network net = info.net;
|
||||
int i;
|
||||
for(i = 0; i < net.n; ++i){
|
||||
if(net.types[i] == CONVOLUTIONAL){
|
||||
convolutional_layer layer = *(convolutional_layer *) net.layers[i];
|
||||
|
||||
read_and_add_into(fd, layer.bias_updates, layer.n);
|
||||
int num = layer.n*layer.c*layer.size*layer.size;
|
||||
read_and_add_into(fd, layer.filter_updates, num);
|
||||
}
|
||||
if(net.types[i] == CONNECTED){
|
||||
connected_layer layer = *(connected_layer *) net.layers[i];
|
||||
|
||||
read_and_add_into(fd, layer.bias_updates, layer.outputs);
|
||||
read_and_add_into(fd, layer.weight_updates, layer.inputs*layer.outputs);
|
||||
}
|
||||
}
|
||||
for(i = 0; i < net.n; ++i){
|
||||
if(net.types[i] == CONVOLUTIONAL){
|
||||
convolutional_layer layer = *(convolutional_layer *) net.layers[i];
|
||||
update_convolutional_layer(layer);
|
||||
|
||||
write_all(fd, (char*) layer.biases, layer.n*sizeof(float));
|
||||
int num = layer.n*layer.c*layer.size*layer.size;
|
||||
write_all(fd, (char*) layer.filters, num*sizeof(float));
|
||||
}
|
||||
if(net.types[i] == CONNECTED){
|
||||
connected_layer layer = *(connected_layer *) net.layers[i];
|
||||
update_connected_layer(layer);
|
||||
write_all(fd, (char *)layer.biases, layer.outputs*sizeof(float));
|
||||
write_all(fd, (char *)layer.weights, layer.outputs*layer.inputs*sizeof(float));
|
||||
}
|
||||
}
|
||||
//printf("Received updates\n");
|
||||
close(fd);
|
||||
}
|
||||
|
||||
void server_update(network net)
|
||||
{
|
||||
int fd = socket_setup(1);
|
||||
int counter = 18000;
|
||||
listen(fd, 64);
|
||||
struct sockaddr_in client; /* remote address */
|
||||
socklen_t client_size = sizeof(client); /* length of addresses */
|
||||
time_t t=0;
|
||||
while(1){
|
||||
connection_info *info = calloc(1, sizeof(connection_info));
|
||||
info->net = net;
|
||||
info->counter = counter;
|
||||
pthread_t worker;
|
||||
int connection = accept(fd, (struct sockaddr *) &client, &client_size);
|
||||
if(!t) t=time(0);
|
||||
info->fd = connection;
|
||||
pthread_create(&worker, NULL, (void *) &handle_connection, info);
|
||||
++counter;
|
||||
printf("%d\n", counter);
|
||||
//if(counter == 1024) break;
|
||||
}
|
||||
close(fd);
|
||||
}
|
||||
|
||||
void client_update(network net, char *address)
|
||||
{
|
||||
int fd = socket_setup(0);
|
||||
|
||||
struct hostent *hp; /* host information */
|
||||
struct sockaddr_in server; /* server address */
|
||||
|
||||
/* fill in the server's address and data */
|
||||
bzero((char*)&server, sizeof(server));
|
||||
server.sin_family = AF_INET;
|
||||
server.sin_port = htons(SERVER_PORT);
|
||||
|
||||
/* look up the address of the server given its name */
|
||||
hp = gethostbyname(address);
|
||||
if (!hp) {
|
||||
perror("no such host");
|
||||
fprintf(stderr, "could not obtain address of %s\n", "localhost");
|
||||
}
|
||||
|
||||
/* put the host's address into the server address structure */
|
||||
memcpy((void *)&server.sin_addr, hp->h_addr_list[0], hp->h_length);
|
||||
if (connect(fd, (struct sockaddr *) &server, sizeof(server)) < 0) {
|
||||
error("error connecting");
|
||||
}
|
||||
|
||||
/* send a message to the server */
|
||||
int i;
|
||||
//printf("Sending\n");
|
||||
for(i = 0; i < net.n; ++i){
|
||||
if(net.types[i] == CONVOLUTIONAL){
|
||||
convolutional_layer layer = *(convolutional_layer *) net.layers[i];
|
||||
write_all(fd, (char*) layer.bias_updates, layer.n*sizeof(float));
|
||||
int num = layer.n*layer.c*layer.size*layer.size;
|
||||
write_all(fd, (char*) layer.filter_updates, num*sizeof(float));
|
||||
memset(layer.bias_updates, 0, layer.n*sizeof(float));
|
||||
memset(layer.filter_updates, 0, num*sizeof(float));
|
||||
}
|
||||
if(net.types[i] == CONNECTED){
|
||||
connected_layer layer = *(connected_layer *) net.layers[i];
|
||||
write_all(fd, (char *)layer.bias_updates, layer.outputs*sizeof(float));
|
||||
write_all(fd, (char *)layer.weight_updates, layer.outputs*layer.inputs*sizeof(float));
|
||||
memset(layer.bias_updates, 0, layer.outputs*sizeof(float));
|
||||
memset(layer.weight_updates, 0, layer.inputs*layer.outputs*sizeof(float));
|
||||
}
|
||||
}
|
||||
//printf("Sent\n");
|
||||
|
||||
for(i = 0; i < net.n; ++i){
|
||||
if(net.types[i] == CONVOLUTIONAL){
|
||||
convolutional_layer layer = *(convolutional_layer *) net.layers[i];
|
||||
|
||||
read_all(fd, (char*) layer.biases, layer.n*sizeof(float));
|
||||
int num = layer.n*layer.c*layer.size*layer.size;
|
||||
read_all(fd, (char*) layer.filters, num*sizeof(float));
|
||||
|
||||
#ifdef GPU
|
||||
push_convolutional_layer(layer);
|
||||
#endif
|
||||
}
|
||||
if(net.types[i] == CONNECTED){
|
||||
connected_layer layer = *(connected_layer *) net.layers[i];
|
||||
|
||||
read_all(fd, (char *)layer.biases, layer.outputs*sizeof(float));
|
||||
read_all(fd, (char *)layer.weights, layer.outputs*layer.inputs*sizeof(float));
|
||||
|
||||
#ifdef GPU
|
||||
push_connected_layer(layer);
|
||||
#endif
|
||||
}
|
||||
}
|
||||
//printf("Updated\n");
|
||||
close(fd);
|
||||
}
|
||||
@@ -1,4 +0,0 @@
|
||||
#include "network.h"
|
||||
|
||||
void client_update(network net, char *address);
|
||||
void server_update(network net);
|
||||
Reference in New Issue
Block a user