windows下darknet(gpu版本）安装并测试YOLO

CUDA版本10.1

cuDNN版本10.1

OpenCV版本3.4.5

Visual Studio2017

darknet版本用的是AlexeyAB版本，链接如下：

darknet

1.CUDA，OpenCV，VS2017的安装

安装过程略。可以看我之前的文章：

WINDOWS下OpenCV+Contrib+CUDA配置（CUDA10.1,VS2017,opencv3.4.5）

切记把opencv3.4.5\opencv\build\x64\vc15\bin添加到系统环境变量里。

2,cuDNN的安装

去NVIDIA官网下载与CUDA相对应的版本，这个需要账号，注册一个即可。链接如下：

下载cuDNN

下载解压缩后，将文件夹中的cndnn64_7.dll、cudnn.h、cudnn.lib分别复制到

C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

至此，cuDNN安装完毕。

3，draknet安装

下载解压缩到你想要安装的目录下。用文本编辑器（如Notepad++）打开darknet.vcxproj，用搜索功能查找CUDA （这里就是CUDA的版本号了），并修改为自己CUDA的版本号，我的CUDA版本是10.1，所以修改为CUDA 10.1（一共有两处需要修改的）并保存，如图

接着用VS2017打开darknet.sln，此时VS会显示如下图，我一开始也是按照别的教程选择的无升级，但最后生成不成功，还是提示要升级，所以这里直接选择“升级到v141”。

之后，将VS设置调成x64，Release

接下来就是配置项目属性：

VC++目录–>包含目录–>编辑  添加OpenCV路径：（请根据自己的路径添加）

D:\Softwares\opencv3.4.5\opencv\build\include

D:\Softwares\opencv3.4.5\opencv\build\include\opencv

D:\Softwares\opencv3.4.5\opencv\build\include\opencv2

VC++目录–>库目录–>编辑  添加OpenCV路径：（请根据自己的路径添加）

D:\Softwares\opencv3.4.5\opencv\build\x64\vc15\lib

链接器->输入->附加依赖项  添加

opencv_world345.lib

ok，自此配置完成，直接点生成->生成解决方案即可，生成成功以后会在darknet-master\build\darknet\x64下生成一个darknet.exe文件。

4，测试darknet

下载各种weights文件，放到与darknet.exe相同的文件夹下，我为了方便管理又新建了一个weights文件夹专门存放weights文件。

windows+R打开命令行并切换到darknet.exe所在的目录下，运行下面的命令：

darknet detect cfg/yolov3.cfg weights/yolov3.weights data/dog.jpg

运行完上述命令后会出现如下的结果：

识别效果如下：

使用以下命令可以调用摄像头：这里用的是coco数据集，一共可以识别80种

darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights

也可以使用voc数据集，可以识别20种：

darknet detector demo cfg/voc.data cfg/yolov2-tiny-voc.cfg weights/yolov2-tiny-voc.weights

使用下面的命令，可以识别视频数据，前提是data文件夹下要有相应的视频数据

darknet detector demo cfg/voc.data cfg/yolov2-tiny-voc.cfg weights/yolov2-tiny-voc.weights data/abc.avi

我们运行上一条命令，查看GPU使用情况和运行帧数：如下两幅图：GPU利用率在85%左右。FPS能达到58左右。