源码阅读经验谈-slim,darknet,labelimg,caffe(1)

本文首先谈自己的源码阅读体验，然后给几个案例解读，选的例子都是比较简单。重在说明我琢磨的点线面源码阅读方法。我不是专业架构师，是从一个深度学习算法工程师的角度来谈的，不专业的地方请大家轻拍。

 

经常看别人写的代码，然后改别人的代码，然后实现自己的想法，我想这是我们coder常干的事情。看人看代码，代码如人。他代码写的有多清爽简洁，说明他思维是清晰的；代码的结构有多合理，模块化内聚如何，是否低耦合，反应他的宏观把控能力。一个软件系统你可以把他看成是一个简单的企业，各个职能部门如何发挥自己的作用，相当于每个软件的模块如何组织理顺，一段繁冗杂乱的代码和一家管理混乱的公司一样，剪不断理还乱，索性推翻重来。

 

谈一谈我阅读源码的经验吧。希望能成为大家的垫脚石，大家可以在我的基础上飞的更高，走的更稳。

 

源码阅读我自己琢磨的经验是：点-线-面立体式逐层深入。

 

点：点有两个层面的意思，首先你要找到突破点，比如说程序的入口main函数，或者说一个比较容易切入的点，很多时候main函数下面写的很简洁，就几行代码走一个主流程，或调用多进程，你很难看清楚里面的逻辑，这时候找切入点就是一个比较技巧的事情了。找到切入点才能由点到线，开始去摸清楚里面的东西。

点的另一个层面的意思是当通过切入点找到主线后，由线串起来的其它一些点，比如说一些功能性函数utils，一些功能性模块的内容。这些东西你干瘪瘪的去看没有太大趣味，你有可能搞不明白它是干什么的，有一根线来串的话，你就可以调试，你会快速搞清楚里面的功能。

 

线：线有主线和旁线。深度学习我认为是一个面向过程的，因为它其实就是一个方程，一个函数，面向过程的编程思想就是给一个input,在你软件系统里走一遍后，得到一些输出。主线就是连接输入和输出的线。旁线就是主线的一些分支。给定一个输入后，你可以跟着这根线逐步往后走，每步打印出一些关键变量，你就能基本明白每步做了什么事情。

旁线就是一些分支，从主线上分出一个输入，然后调用一个功能性模块，得到一个结果后，又去走主线的流程。这个调用功能性模块就是一个旁线，只有把这些旁线搞明白，你才能建立一个知识树，你才能立体的对一个系统有深入认识。

 

面：线跟线交错，线把点串起来，组织成一张网，就是一个面了。讲面这层次主要是希望大家有全局意识。系统的设计者设计系统的时候应该首先想到的是面，是一个立体的东西，然后才抽丝剥缕的码代码。哪个文件放到哪个模块，哪个函数放哪个文件中更合适，都要非常清楚，这样有一个整体感，层次鲜明，逻辑清楚。就像网络工程师搭网线一样，有的高手搭建的网线有层次感，顺手一摸就知道那根线是跟哪个交换机连的。

 

杂乱无章

 

有逻辑的代码结构。

 

 

Labelimg案例：

实话实说，我之前经常用labelimg打标签，但一直没看过源码。由于要在这个基础上开发一个半自动化标签系统，这周我也是从0开始摸索的。搞了三天才把它摸清楚。

Labelimg是用pyqt写的。姑且说是一个面向对象的编程框架吧。他的主函数很简单。主要逻辑全在mainwindow这个类里面了。

这个mainwindow类东西太多了，一时找不到突破点。本来就对这种获取点击信息然后执行一些action的编程范式不是很熟，摸索了好久，才找到了一个突破口，那就是，画完框后，他会弹出一个对话框，就是这个OK或者cancel的框。

 

之所以选它作为突破口，是因为1、下面那个列表数据是从txt文件中读取返显出来的，根据这条线，就能摸清楚怎么样把自己想要的数据返显到对话框中；2他是在图片上画框后自动弹出对话框，这有助于你摸清楚他是怎么获取鼠标点击交互的，获取点击交互后怎么打开对话框的。你把这个搞明白了就抓到主线了。

通过摸索，发现这个对话框写在libs下面，代码如下：

然后就是去找一些点了：1、在主mainwindow中是怎么调用这个类的；2、txt中存的数据是怎么读取然后给到labeldialog的。3、这些Qwidget、QlistWidget都是干啥的。大家是不是觉得特别简单？别笑话我为了琢磨这些玩意琢磨了三天哈。哥是比你笨，但哥比你action。

这个系列起了个头，可能大家觉得这些都是工程的事情，算法工程师干这些玩意浪费时间。事实上，鼻祖hinton曾经告诫我们说：要少看论文，不要停止编程。强大的工程能力才是算法的基石，而如何收集数据（包括打标签）和如何定义问题及建模是算法落地的基石。有没有同感的请扣1。