keras的h5權重文件轉 darknet的weights權重文件

1.下載源碼

Github鏈接(感謝caimingxie)
源碼下載後解壓，用Pycharm打開工程，配置虛擬環境，選擇和Keras-yolo3的環境（一致的）

2.修改源碼

• check_weight.py 修改三個文件路徑,路徑根據文件的實際位置來確定。從keras-yolo工程中拷貝過來，再修改路徑

if __name__ == '__main__':

    model_path = "./yolov3_tiny1.h5"     # keras yolov3 h5 model file 權重路徑
    config_path = 'yolov3-tiny.cfg'      # .cfg  模型配置文件
    weight_file = open('yolov3_tiny1.weights', 'wb')   # darknet yolov3 weights 文件保存位置


    yoloobj = YOLO(model_path)
    model = yoloobj.yolo_model
    _main()

3.文件檢查

• voc_classes.txt中是訓練的模型的物體類別名稱。注意不能有有空行，有的話要刪除
• yolo_anchor.txt也是根據keras-yolo3中的先驗框來確定的。例如我這邊是yolo-tiny模型，就把原先的9個框替換爲了我自己的6個框
  
• 模型的配置文件.cfg要和訓練出來的模型一致，注意需要修改的地方，例如圖像尺寸，濾波器個數，訓練時物體種類的個數。根據實際情況來，我需要的是yolo3-tiny.cfg文件。
• 反正要保證涉及到的文件的路徑和內容正確。包括h5模型文件，cfg模型配置文件，yolo_anchors文件，voc_class文件

3.運行h5_to_weights.py文件

得到weights權重文件