Darknet RNN에서 메모리 위치가 어긋난다면 가장 먼저 원래 batch가 steps개 시점을 포함한 값인지, 그리고 state가 시간축 전체를 담을 만큼 실제 호출부에서 준비됐는지 확인해야 합니다. 원문의 rnn_layer.c 조각은 완전한 독립 구현이 아닙니다. layer·network 구조체, connected layer, BLAS help...

reverse와 extra를 동시에 켜면 이 Reorg Layer는 순전파와 역전파에서 서로 다른 분기를 탑니다. 순전파는 extra를 먼저 선택하지만 역전파는 reverse를 먼저 선택하기 때문에, 두 옵션은 독립적으로 조합해도 되는 스위치가 아닙니다. 네 가지 동작 모드는 분기 순서로 결정된다 forward_reorg_layer는 flatten...

이 소스의 Region Layer는 forward에서 손실용 delta를 만들지만 backward_region_layer가 전부 주석 처리되어 있어, 보이는 CPU 코드만으로는 그 기울기가 이전 레이어에 전달되지 않습니다. 학습이 진행되지 않는다면 수식보다 이 연결부터 확인해야 합니다. 출력 배열은 box·objectness·class가 평면별로 놓...

Darknet의 cfg 문제를 찾으려면 개별 옵션보다 먼저 “섹션 읽기 → 레이어 생성 → 출력 크기 전파 → 가중치 로드” 순서를 따라가야 합니다. 이 구현에는 잘못된 route 설정이나 쉼표 목록 하나가 NULL 접근 또는 어긋난 가중치 읽기로 이어질 수 있는 지점이 있습니다. cfg 한 장이 network 구조체가 되는 순서 설정 파일은 첫 ...

Darknet의 옵션 파서는 key=value 한 줄을 직접 잘라 보관하므로, =이 없는 줄과 문자열 수명을 먼저 점검해야 합니다. 특히 현재 read_option은 =이 전혀 없는 줄을 정상적으로 거부하지 못합니다. 설정 파일은 줄 단위로 읽고 원본 버퍼를 보관한다 read_data_cfg는 파일을 열어 fgetl로 한 줄씩 읽고, strip으로...

이 구현에서 가장 먼저 확인할 점은 backward_normalization_layer가 정확한 미분이 아니라는 사실입니다. 소스에도 TODO This is approximate라고 적혀 있고, 앞 레이어의 net.delta에 더하지 않고 덮어씁니다. 순방향은 같은 위치의 여러 채널을 묶는다 이 레이어는 너비와 높이를 바꾸지 않습니다. 배치마다 입...

Darknet network.c의 핵심은 layer의 함수 포인터를 순서대로 호출하고, subdivisions번 backward가 누적된 시점에만 update하며, 예측 결과는 새 배열이 아니라 network 내부 output 포인터로 돌려준다는 것이다. 학습과 추론 오류를 찾으려면 이 세 수명을 함께 봐야 한다. seen·batch·subdivis...

Darknet Maxpool의 backward가 잘못된 주소를 쓸 수 있는 직접적인 조건은 forward의 어떤 pooling window에서도 유효한 입력을 찾지 못해 indexes[out_index]가 -1로 남는 경우다. 출력 shape와 padding을 정할 때 window가 입력과 실제로 겹치는지까지 확인해야 한다. 출력 크기와 paddin...

Darknet의 matrix는 하나의 연속 2차원 배열이 아니라 float * 행을 각각 할당한 포인터 배열이다. 그래서 행을 hold-out할 때는 값이 아니라 포인터 소유권이 이동하고, resize나 free도 바깥 배열과 각 행을 따로 처리해야 한다. make·copy·free가 행마다 도는 이유 make_matrix는 먼저 rows개의 행 ...

Darknet LSTM 구현이 길어 보이는 이유는 forget·input·candidate·output 네 gate마다 이전 hidden state용 Connected Layer와 현재 input용 Connected Layer를 하나씩 둬 총 8개를 호출하고, 같은 buffer 포인터를 time step마다 이동하기 때문이다. 수식보다 먼저 이 두 축...