Windows 10+ CUDA10.1，安装YOLO v3（编译生成darknet.exe），简单测试的结果比dlib19.17快约10%

上周在Windows 10+CUDA10.1的环境下，安装成功dlib19.17，并且跑了一个Python测试程序，480*360的图片上，三个人脸，最快运行时间：0.047427秒，相当于20帧/秒（由于YOLO v3测试程序是C++编写的EXE，因此只取了最快时间进行比较，没有使用Python测试程序的平均时间0.061795秒，相当于16帧/秒）。

在HP笔记本上安装Anaconda3+CUDA10.1+dlib19.17的过程请参考：

https://blog.csdn.net/weixin_41943311/article/details/91866987

在opencv3.4.1+dlib19.17环境中测试人脸识别请参考：

https://blog.csdn.net/weixin_41943311/article/details/91983263

晚上听高手说，YOLO v3更快。于是，今天在Windows 10+CUDA10.1的环境下跑一跑YOLO v3试试，用同样的480*360的图片，三个人脸，在缺省的配置条件下，运行时间：0.043134秒，大约比dlib19.17快10%。

如果直接将PyCharm集成环境中调用dlib19.17的Python程序与YOLO v3的darknet.exe的运行速度进行对比，则YOLO v3的速度大约比dlib19.17快30%。

因为YOLO v3是编译成EXE文件在Windows上运行，因此相关软件的安装和配置，与之前Anaconda3安装的Python3.6.7环境和opencv3.4.1不会发生冲突。

我的HP笔记本（带GPU：NVIDIA GeForce GTX 1060 with Max-Q Design）已经安装了Microsoft Visual Studio 2015 update3和CUDA10.1，相关的安装过程这里就不再重复，感兴趣的同学可以参考前面的文章。下面的主要工作是安装opencv3.4.0、编译YOLO v3的主程序darknet.exe并进行一个简单的测试。

（1）安装opencv 3.4.0

下载地址：https://opencv.org/releases/

安装文件：opencv-3.4.0-vc14_vc15.exe

说明：因为opencv3.41在编译时会遇到很多问题，所以这里只安装opencv3.4.0。更高版本我没有测试过，不清楚兼容性如何。

选择目录安装完软件以后，设置一下环境变量（系统变量）：

（2）编译darknet.exe

YOLO v3下载地址：https://github.com/AlexeyAB/darknet

安装文件：darknet-master.zip

将下载的文件包解压缩，使用Microsoft Visual Studio 2015 update3编译。

以下内容参考：https://www.cnblogs.com/songhouhou/p/10805976.html

（2.1）修改darknet.vcxproj文件

进入darknet-master\build\darknet目录，用记事本打开darknet.vcxproj，将所有CUDA 10.0修改为自己对应的CUDA版本，这里使用CUDA 10.1，故改为10.1。（共有两处需要修改）

（2.2）打开darknet.sln

（2.2.1）将项目修改为Release x64

（2.2.2）配置包含目录 + 库目录 + 链接器

 包含目录：在darknet项目上点击鼠标右键->属性，弹出如下界面：然后VC++目录-->包含目录-->编辑

添加的目录：...\opencv\build\include（...代表opencv的安装路径，下文同理）

...\opencv\build\include\opencv

...\opencv\build\include\opencv2

库目录：方法与包含目录类似，添加的目录为：...\opencv\build\x64\vc14\lib

链接器：添加目录...\opencv\build\x64\vc14\lib下库的名字：opencv_world340.lib

（2.2.3）右键darknet，选择属性，进入CUDA C/C++中的Code Generation，删掉compute_75,sm_75（此步极为关键，要不然必出错）

（2.3）右键darknet，选择生成

编译成功,会在darknet\build\darknet\x64下得到darknet.exe。

（3）做一下人脸识别的测试

（3.1）下载yolov3.weights

下载地址：https://pjreddie.com/media/files/yolov3.weights

文件：yolo3.weights

将yolo3.weights复制到darknet.exe所在的工作目录下（如：F:\AI\darknet-master\build\darknet\x64）。

（3.2）复制opencv3.4.0的动态链接库

把opencv的安装目录（如：F:\AI\opencv\build\x64\vc14\bin）下的opencv_world340.dll 和 opencv_ffmpeg340_64.dll 复制到 darknet.exe所在的工作目录下（如：F:\AI\darknet-master\build\darknet\x64）。

（3.3）测试

在darknet\build\darknet\x64下按住shift键，点击鼠标右键选择“在此处打开Powershell 窗口（s）”

在命令行输入 .\darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

如果看到以下结果，说明你成功的配好了YOLO v3：

我们把狗狗的图片（F:\AI\darknet-master\build\darknet\x64\data\dog.jpg）修改为上周用于dlib19.17测试的图片，480*360的图片，三个人脸，在缺省的配置条件下，最快运行时间：0.043134秒，简单测算一下，大约比dlib19.17快10%。

如果直接将PyCharm集成环境中调用dlib19.17的Python程序与YOLO v3的darknet.exe的运行速度进行对比，则YOLO v3的速度大约比dlib19.17快30%。

测试记录如下（单位：毫秒）：

（1）45.824000，（2）43.965000，（3）43.614000，（4）44.004000，（5）43.635000，（6）43.876000，（7）43.166000，（8）43.134000，（9）43.916000，（10）43.492000。

平均值为：43.8626毫秒，即：0.0438626秒；最快运行时间为：43.134毫秒，即：0.043134秒。

（完）