- 優點
Darknet是一個比較小衆的深度學習框架，沒有社區，主要靠作者團隊維護，所以推廣較弱，用的人不多。而且由於維護人員有限，功能也不如tensorflow等框架那麼強大，但是該框架還是有一些獨有的優點：
1.易於安裝：在makefile裏面選擇自己需要的附加項（cuda，cudnn，opencv等）直接make即可，幾分鐘完成安裝；
2.沒有任何依賴項：整個框架都用C語言進行編寫，可以不依賴任何庫，連opencv作者都編寫了可以對其進行替代的函數；
3.結構明晰，源代碼查看、修改方便：其框架的基礎文件都在src文件夾，而定義的一些檢測、分類函數則在example文件夾，可根據需要直接對源代碼進行查看和修改；
4.友好python接口：雖然darknet使用c語言進行編寫，但是也提供了python的接口，通過python函數，能夠使用python直接對訓練好的.weight格式的模型進行調用；
5.易於移植：該框架部署到機器本地十分簡單，且可以根據機器情況，使用cpu和gpu，特別是檢測識別任務的本地端部署，darknet會顯得異常方便。
- 代碼結構
下圖是darknet源代碼下載解壓後文件夾的分佈情況：
1.cfg文件夾內是一些模型的架構，每個cfg文件類似與caffe的prototxt文件，通過該文件定義的整個模型的架構
2.data文件夾內放置了一些label文件，如coco9k的類別名等，和一些樣例圖（該文件夾主要爲演示用，或者是直接訓練coco等對應數據集時有用，如果要用自己的數據自行訓練，該文件夾內的東西都不是我們需要的）
3.src文件夾內全是最底層的框架定義文件，所有層的定義等最基本的函數全部在該文件夾內，可以理解爲該文件夾就是框架的源碼；
4.examples文件夾是更爲高層的一些函數，如檢測函數，識別函數等，這些函數直接調用了底層的函數，我們經常使用的就是example中的函數；
5.include文件夾，顧名思義，存放頭文件的地方；
6.python文件夾裏是使用python對模型的調用方法，基本都在darknet.py中。當然，要實現python的調用，還需要用到darknet的動態庫libdarknet.so，這個動態庫稍後再介紹；
7.scripts文件夾中是一些腳本，如下載coco數據集，將voc格式的數據集轉換爲訓練所需格式的腳本等
8.除了license文件，剩下的就是Makefile文件，如下圖，在問價開頭有一些選項，把你需要使用的選項設爲1即可