darknet weight pruning tool

此工具源自我之前的研究生阶段创作，在我的毕业设计项目中曾作为一部分使用。如今已过去很久的时间（段时间），因各种原因有必要重新审视这份作品。

先献出源码https://github.com/Sunyouteng/darknet_prune_yoloV3

开发的过程种需要注意一下几点

在weights中权重的存储顺序需先读取offset并获取Batch Normalization（BN）的相关参数后才能加载卷积核权重

权值按照卷积核遵循一定的存储顺序，在每个卷积核内部则通过逐层通道的方式完成存储过程。

3 裁完某一层后,必须记得对后续层的卷积核也移除对应数量的通道以确保运算准确无误.

相较于V2而言，在V3中存在较多的shortcut层（from 那些layer的输出），这使得在使用过程中并不十分便捷。具体来说，在剪切某一层次后其输出维度会相应减少（从而导致其维度与后续层次不一致），因此在实际应用中应避免这种情况出现（即不应随意跳过某一层进行处理）。同时需要注意的是，在使用这些工具时每次操作只能处理一层

根据相关论文的解释, 必须进行敏感度分析. 由于我的笔记本电脑没有显卡, 即使运行该voc2007test数据集都需要很长的时间, 因此跳过了这项工作. 正常流程是:

首先，在每一层中进行网络敏感性分析，并在每一层中分别移除不同数量的卷积核，并观察其准确率下降曲线的