yolov3-tiny（yolov3）训练自己的数据集（一）：DarkNet + Ubuntu16.04 + GPU + OpenCV3.4.0 配置篇

1. 配置显卡驱动、cuda 和 cudnn

这里的显卡是RTX2070，首先需要确保自己的NVIDIA显卡已经安装了相应的驱动，cuda ，和cudnn 。

• NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念，CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用，CUDA本质上是一个工具包（ToolKit）。
• NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系，也不是一 一对应的关系，即每一个版本的显卡驱动可能有好几个版本的CUDA与之对应。
• cuDNN是一个SDK，是一个专门用于神经网络的加速包，cuDNN跟CUDA也不是一 一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应。

1.1 查看显卡驱动是否安装：

nvidia-smi

显卡驱动已有不用安装了

1.2 查看cuda版本：

nvcc -V

提示没有安装（其实通过Anaconda安装的虚拟环境有cuda）。
上面看到显卡驱动版本是430，可以安装cuda10.1，从下图中查看适合自己的cuda版本。

到官网下载cuda:
https://developer.nvidia.com/cuda-downloads

或者命令行安装：

wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

sudo sh cuda_10.1.243_418.87.00_linux.run

下载还是挺快的，执行一下安装命令，选择accept,enter键按一下继续

等几秒钟跳出安装选项，enter一下去掉第项driver中X,不安装它，其它默认，下滑到Install,enter确认安装


等待安装完成，完成后如下提示

根据提示添加环境变量

打开

sudo nano ~/.bashrc 

在文件末尾添加以下环境变量：

export PATH=$PATH:/usr/local/cuda-10.1/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

ctrl+O，enter保存，ctrl+X退出，重新激活一下：

source ~/.bashrc

查看一下版本

可以看到是cuda10.1

1.3 查看cudnn 版本:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

提示没有存在
到官网下载对应版本的cudnn:https://developer.nvidia.com/rdp/cudnn-archive

下载后解压以后，输入以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

查看一下版本是7.6.4

2. 配置DarkNet环境

2.1 安装opencv

1. 根据自己情况下对应版本，到官网下载opencv: https://opencv.org/releases/
   这里用的是opencv3.4.0

2. 还得下载opencv_contrib，地址：https://github.com/opencv/opencv_contrib/releases
   这里用的是opencv_contrib-3.4.0
   
   创建一个文件加opecv，把这两个文件放进去并解压一下
   
   在opencv-3.4.0文件夹下新建两个新的文件夹，分别为build和install

   mkdir build
   mkdir install
   

   

3. 接着安装一些依赖库

   sudo apt-get install build-essential cmake cmake-qt-gui git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
   
   sudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
   
   sudo apt-get install libavcodec-dev libavformat-dev libv4l-dev liblapacke-dev libxvidcore-dev libx264-dev libatlas-base-dev gfortran ffmpeg
   

4. 编译opencv3.4.0：
   打开cmake工具

   cd ~
   cmake-gui
   

   点击Browse Source...，选择opencv-3.4.0文件夹
   点击Browse Build...，选择刚刚在opencv-3.4.0文件夹里创建的空文件夹build
   点击左下角Configure
   
   弹出选项框，不用更改，直接点击Finish
   
   耐心等待
   
   显示Configuring done后
   
   在Search查找框中输入extra，找到OPENCV_EXTRA_MODULES_PATH设置路径为opencv_contrib-3.4.0里的modules文件夹
   
   在搜索框输入install，找到CMAKE_INSTALL_PREFIX，更改一下默认路径，路径为刚刚创建的install文件夹（opencv-3.4.0里面），这是为了以后安装多个opencv版本，避免冲突
   
   再次点击Configure开始配置，耐心等待直到显示Configuring done，然后再次点击Configure直到所有选项的红色状态消失了。
   
   

5. 最后点击Generate
   

6. 退出cmake,进入opencv-3.4.0文件夹下的build目录
   输入：

      cd ~/Downloads/opencv/opencv-3.4.0/build
      make -j4
   

   

7. 报错：

   

   "fatal error: dynlink_nvcuvid.h: No such file or directory compilation terminated"
   

   解决办法：
   ctrl + Alt +T 重新开个终端，再次打开cmake工具

   cmake-gui
   

   搜索cudacodec，找到”BUILD_opencv_cudacodec“项，把方框里的对号去掉。
   重新点击Configure，显示Configuring done后点击Generate

   
   重新编译即可。
   

   接着输入：

   make install
   

   等待安装完成。

8. 进入opencv-3.4.0目录里install文件夹，将里面三个文件复制到usr/local/… 目录下
   
   输入：

   cd ~/Downloads/opencv/opencv-3.4.0/install
   
   sudo cp -r include /usr/include/opencv3.4.0
   
   sudo cp -r lib /usr/lib/opencv3.4.0
   
   sudo cp -r bin /usr/bin/opencv3.4.0
   

   打开ld.so.conf文件

   sudo nano /etc/ld.so.conf
   

   添加一行变量:/usr/lib/opencv3.4.0是opencv安装路径，也就是makefile中指定的安装路径
   保存一下，运行sudo ldconfig
   接着，修改bash.bashrc文件：

   sudo nano /etc/bash.bashrc
   

   在文件末尾加入：

   PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/lib/opencv3.4.0/pkgconfig
   export PKG_CONFIG_PATH
   

   
   激活一下： source /etc/bash.bashrc

9. 查看opencv版本

   pkg-config --modversion opencv
   

   
   至此，opencv配置完成。

2.2 DarkNet编译测试

下载DarkNet框架:

git clone https://github.com/pjreddie/darknet
cd darknet
make

darkne文件夹里的 Makefile文件默认 是使用 CPU,
用GPU要修改一下：

GPU=1 　　　# 是否打开GPU
CUDNN=1 　　# 是否打开cudnn
OPENCV=0　　# 是否打开opencv

修改后保存，每次修改记得重新编译一下

make clean
make

下载预训练模型权重yolov3.weights来做一下测试
下载地址：

wget https://pjreddie.com/media/files/yolov3.weights

测试一张图片：

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

#或者
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

测试完成。
未完待续～

Reference:
https://www.cnblogs.com/WushiShengFei/p/10002502.html
https://blog.csdn.net/wanzhen4330/article/details/81699769
https://pjreddie.com/darknet/yolo/