【YOLO】YOLO: You Only Look Once GPU版本的配置与实现

Update: 博主建了一个计算机视觉&YOLO的群：659389932。希望与大家多多交流。（2017-08-15）

说明

使用TensorFlow实现的YOLO，发现效果很一般(GTX960下，一张图1.2s左右)，因此打算用darknet实现的YOLO来跑跑看效果。

大致交代一下，TensorFlow版本的YOLO在台式机显卡GTX960，16GB内存情况下，大概是1.2s一张图。现在在GPU工作站（CPU至强系列，GPU两块Titan xp）上测试用darknet实现的YOLO，基于CPU的是12.3s一张图，这个效果是真的很差啊，然后就想既然都用了GPU工作站了，那用GPU跑起来。

官网（YOLO: Real-Time Object Detection）上对于CPU、GPU编译的有一段话来介绍：

Darknet prints out the objects it detected, its confidence, 
and how long it took to find them. Since we are using 
Darknet on the CPU it takes around 6-12 seconds per image.
 If we use the GPU version it would be much faster.

步骤

编译GPU版本并没有告诉我们怎么做？网上找到了很多都会出现bug，所以我给出步骤分享给大家。

接下来我将给出大家一个详细的步骤：

1、打开你的MakeFile文件，将GPU=0 --> GPU=1

2、CUDNN=0 --> CUDNN=1

3、DEBUG=0 --> DEBUG=1

4、NVCC=/usr/local/cuda/cuda/bin/nvcc

     -->NVCC=/usr/local/cuda/cuda-8.0/bin/nvcc

5、COMMON+= -DGPU -I/usr/local/cuda/include

     -->COMMON+= -DGPU -I/usr/local/cuda-8.0/include

6、LDFLAGS+= -L/usr/local/cuda/lib64-lcuda -lcudart -lcublas -lcarand

     --> LDFLAGS+= -L/usr/local/cuda-8.0/lib64-lcuda -lcudart -lcublas -lcarand

到这里，Makefile 文件就配置好了。这个时候如果你直接对 darknet 进行 make，会出现 nvcc: can't found the file.

接下来的步骤就是安装一下 nvidia-cuda-toolkit，这样 make 的时候就可以找到 nvcc.

7、cd 到  /usr/local/cuda-8.0/bin，

      命令行为 sudo apt-get install nvidia-cuda-toolkit

8、cd 到 /yolo_darknet/darknet,

     命令行为 make

     只要不报错就说明make成功。

9、依旧在文件夹 /yolo_darknet/darknet

     命令行为 ./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg GPU=1

测试结果

     那么你会看到模型运行起来了，测试结果为：

     

那么很显然，大家可以看到GPU加速后，效率惊人。计算一下帧率能达到60.496 FPS。

希望有在用YOLO的小伙伴能和我交流一下，谢谢。