ubuntu18.04环境下的darknet+yolov3搭建及程序演示
前言：
此次环境搭建使用的硬件平台是一台微星笔记本，运行速度足够学习使用。本文仅介绍环境的搭建。yolo的使用教程会在后续更新，欢迎持续关注。
本文参考以下博客：
https://blog.csdn.net/debjiu/article/details/80824439
https://blog.csdn.net/Jeff_zjf/article/details/84846350
https://blog.csdn.net/qq_36362060/article/details/80739573
https://blog.csdn.net/vilmaigic/article/details/81412671
https://blog.csdn.net/kevineeo/article/details/84572589
想简单了解下darknet框架和yolo请点击这里：
介绍一个相对小众的深度学习框架Darknet，其YOLO神经网络算法对目标检测效果显著
本平台环境参数：
- gpu：GTX 1060
- cpu：intel i7-7700HQ
- 内存：16GB
- Ubuntu版本：18.04
- NVIDIA驱动版本：390.116
- cuda版本：cuda_9.0.176_384.81_linux
- cudnn版本：cudnn-9.0-linux-x64-v7.1
- opencv源码版本：2.4.13.6
下面是一些程序演示：
（1）准确识别出了11名足球队员，在使用gpu运算并开启cuda加速的情况下运算耗时0.094s。见下图：
（2）而使用cpu运算，耗时23.69s,由此可见gup对运算的提速效果显著。见下图：
（3）进行视频检测，这是我旅游时拍摄的一小段视频。
FPS：9.4
GPU占用：93%
显存占用：76%
下面开始搭建环境啦！安装顺序如下：
-
安装NVIDIA驱动
-
安装CUDA并配置Cudnn
-
opencv安装
-
安装darknet
一.安装NVIDIA显卡驱动
安装显卡驱动有添加ppa源和下载官方安装包的方法。
这里介绍一个相对简单点的方法为ubuntu 18.04安装显卡驱动：
（1）查看gpu和推荐的驱动版本：
$ ubuntu-drivers devices
（2）然后进行自动安装
$ sudo ubuntu-drivers autoinstall在设置里面点击详细信息，如果显示出显卡信息就说明显卡驱动安装成功了。
二.安装cuda并配置cudnn
（1）对GCC降级
Ubuntu 18.04预装GCC的版本为7.3,而cuda编译需要更低的版本，这里对gcc进行手动降级至4.8版本。
对gcc降级：
sudo apt-get install gcc-4.8
对g++降级
sudo apt-get install g++-4.8然后进入到/usr/bin目录下输入：ls -l gcc*
cd /usr/bin
ls -l gcc* 显示结果如下：
lrwxrwxrwx 1 root root 7th 3月 20 11:38 /usr/bin/gcc -> gcc-7.3 表示gcc链接到gcc-7.3, 需要将它改为链接到gcc-4.8，方法如下:
sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接同理， 将g++链接到g++4.8：
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++在/usr/bin目录下查看gcc和g++版本
ls -l gcc*
ls -l g++*显示gcc和g++均链接到4.8版本，则说明安装成功：
（2）下载cuda9.0版本：cuda9.0下载链接
根据电脑配置，选择如下：
然后下载基础安装包和四个补丁至 /home/qrt/Downloads目录下：
（3）安装cuda
进入文件目录 /home/qrt/Downloads,安装cuda9.0
cd /home/qrt/Downloads
sudo sh cuda_9.0.176_384.81_linux.run进入安装界面
然后一路accept或者yes，在提示是否安装显卡驱动时（如下图）选择no（因为已经安装过了，否则可能会出现bug）：
接下来安装补丁文件，方法和安装cuda9.0一样：
在/home/qrt/Downloads目录打开终端，分别输入：
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run安装补丁。
安装完毕后还需要配置环境，将以下两条加入.barshrc文件中。
打开.barshrc
sudo vim ~/.barshrc在最后面加入下面两条语句
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}如下图：
到此，cuda就安装完了。
（4）配置cudnn
下载cudnn需要注册，注册完，下载：cuDNN v7.1.4 Library for Linux
进入下载目录并解压在当前目录：
cd /home/qrt/Downloads
tar zxvf cudnn-9.0-linux-x64-v7.1.tgz复制cudnn里的文件到cuda相关文件夹内
sudo cp /home/qrt/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp /home/qrt/Downloads/cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64
sudo chmod a+r /home/qrt/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
三.安装opencv
（1）下载opencv，选择2.4.13.6版本sources文件下载：https://opencv.org/releases.html
下载并解压至/home/qrt/Downloads目录下，然后将文件夹重命名为opencv
（2）执行以下命令安装依赖项：
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev（3）修改opencv配置文件
1.进入到opencv/cmake 目录下，找到OpenCVDetectCUDA.cmake文件并打开，定位到26行，修改set(HAVE_CUDA 1)为set(HAVE_CUDA 0)。
这里修改的目的是为了避免后面执行sudo make install出现如下的错误信息。
nvcc warning : The 'compute_20', 'compute_20','sm_21' architectures are deprecated备注：出现上面的错误信息的原因是使用CUDA配置opencv引起的。将HAVE_CUDA 设为0之后，在后面的编译过程中就会关闭CUDA，解决这个问题。
2.进入到opencv 目录下，找到CMakeList.txt文件并打开，定位到176,177行，将ON改为OFF然后保存。
（4）安装opencv
在opencv目录下新建build文件夹，然后执行以下命令：
cd build #进入到build文件夹
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. #开始编译
make -j8
sudo make install -j8执行完毕就说明opencv配置完成了。
下面进行测试：
没有出现报错信息则说明opencv配置成功了。
四.darknet的安装
（1）可以按照官网上面的步骤来安装：https://pjreddie.com/darknet/yolo/
git clone https://github.com/pjreddie/darknet 下载代码
cd darknet 进入darknet目录
make 编译（2）下载权重，然后保存在darknet的目录下
wget https://pjreddie.com/media/files/yolov3.weights在darknet目录下打开终端，输入：
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg就可以进行测试了，如下图：
下面是对darknet目录下的Makefile文件进行的一些修改
每次修改完都需要重新编译
（1）如需使用gpu运算，修改如下，然后保存。
修改完后一定要重新编译，在darknet目录下打开终端，输入：
make clean
make -j8（2）根据自己电脑的硬件可在Makefile中对ARCH进行修改，我的显卡是GTX1060，算力为6.1（具体算力nvidia官网可查）。
https://developer.nvidia.com/cuda-gpus
修改如下：
显卡算力：
（3）在Makefile文件的第46行，修改为cuda的安装路径。
（4）在程序运行的过程中如果出现以下错误（内存溢出）：
cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.应该进行如下修改：
将/home/qrt/darknet/cfg目录下yolov3.cfg的修改为：
将
[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=64
subdivisions=16
修改为
[net]
# Testing
batch=1
subdivisions=1
# Training
#batch=64
#subdivisions=16
全文结束啦！欢迎在回复区讨论！