win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程

一、下载安装cuda、cudn

参考链接:https://blog.csdn.net/fengxinzioo/article/details/105646969

二、下载安装opencv

本人下载的是没有contrib模块的,如果想编译带有contir模块的可以参考

  • https://blog.csdn.net/fengxinzioo/article/details/88767399,里面有vs2017安装教程

2.1、opencv3.4.2下载地址,其他的地址上下页查找

  • https://opencv.org/releases/page/3/

下载windows版本的,不建议使用源码编译那样比较慢

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第1张图片

2.2、下载完的opencv3.4.2双击提取到自己想要的位置

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第2张图片

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第3张图片

2.3、将opencv3.4.2加入系统路径中

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第4张图片

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第5张图片

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第6张图片

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第7张图片

2.4、将自己的opencv的路径添加入path中如下所示:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第8张图片

三、下载darknet源码

3.1下载地址:https://github.com/AlexeyAB/darknet

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第9张图片

3.2、下载好后解压压缩包,将opencv/build/x64/vc15或者vc14(这个是根据你vs编译器版本来的,因为我安装了vs2017所以我选择vc15)下面的opencv_ffmpeg、opencv_world放到darrknet/x64文件夹下面,如下图所示:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第10张图片

3.3修改darknet.vcxproj里面cuda版本号

查看自己电脑安装cuda的版本号:打开终端输入nvcc -V

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第11张图片

打开darknet\build\darknet\darknet.vcxproj,搜索“CUDA ”,CUDA后面有一个空格,修改为对应的CUDA版本,总共有两处需要修改。

下图打开darknet.vcxproj:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第12张图片

总共需要修改的两处地方:根据自己的cuda版本来修改

55行内容:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第13张图片修改后为:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第14张图片

 305行内容:

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第15张图片

修改后为:

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第16张图片

3.4打开darknet.sln工程开始准备编译工作,将平台属性改成release x64

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第17张图片

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第18张图片

将平台改成自己相对应的vs编译环境,本人使用的是visual studio2017环境

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第19张图片

darknet配置opencv包含目录:

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第20张图片

darknet配置opencv库目录:

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第21张图片

darknet配置opencv附加依赖项:

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第22张图片

darknet配置CUDA,按如下图所示配置:

电脑安装cuda路径

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第23张图片

将cuda路径加入darknet编译工程中

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第24张图片

darknet编译工程配置显卡计算参数:

下面是一些显卡计算参数

# Tesla V100
# ARCH= -gencode arch=compute_70,code=[sm_70,compute_70]

# GeForce RTX 2080 Ti, RTX 2080, RTX 2070, Quadro RTX 8000, Quadro RTX 6000, Quadro RTX 5000, Tesla T4, XNOR Tensor Cores
# ARCH= -gencode arch=compute_75,code=[sm_75,compute_75]

# Jetson XAVIER
# ARCH= -gencode arch=compute_72,code=[sm_72,compute_72]

# GTX 1080, GTX 1070, GTX 1060, GTX 1050, GTX 1030, Titan Xp, Tesla P40, Tesla P4
# ARCH= -gencode arch=compute_61,code=sm_61 -gencode arch=compute_61,code=compute_61

# GP100/Tesla P100 - DGX-1
# ARCH= -gencode arch=compute_60,code=sm_60

# For Jetson TX1, Tegra X1, DRIVE CX, DRIVE PX - uncomment:
# ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]

# For Jetson Tx2 or Drive-PX2 uncomment:
# ARCH= -gencode arch=compute_62,code=[sm_62,compute_62]

 改成自己显卡的计算力

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第25张图片

编译生成darknet.exe。

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第26张图片

下面是编译过程,成功1个,失败0个,表示编译成功了。

win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第27张图片

四、测试

4.1、成功后,在build\darknet\x64中找到darknet.exe

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第28张图片

4.2、去官网下载作者训练好的yolo3.weights模型https://pjreddie.com/media/files/yolov3.weights放到build\darknet\x64进行测试,build\darknet\x64中的以cmd结尾文件里面是windows的shell脚本。

找到darknet_yolo_v3.cmd,双击运行

 win10+cuda10.1+cudnn+opencv3.4.2+yolov3+vs2017安装教程_第29张图片

参考:

  • https://github.com/AlexeyAB/darknet
  • https://blog.csdn.net/weixin_45642006/article/details/104649377
  • https://www.cnblogs.com/skymiao/p/10825286.html
  • https://www.pianshen.com/article/9060380361/ 

你可能感兴趣的:(深度学习)