【darknet】darknet——Ubuntu16.04下从头编译

我们这里使用的是AlexyAB大神发布的darknet版本,截止2020-5,综合各优势方法,发布了最新的YOLO V4版本。
代码下载地址:https://github.com/AlexeyAB/darknet/releases

一、代码下载

【darknet】darknet——Ubuntu16.04下从头编译_第1张图片
作者这里提供了zip/tar.gz两种压缩的源码,选择任一种下载,我这里下载了tar.gz的版本,解压后,把文件夹放在你想要存放的位置。

二、修改配置Makefile

【darknet】darknet——Ubuntu16.04下从头编译_第2张图片
打开Makefile文件,进行一下步骤:
①修改GPU=1、CUDNN=1(如果你安装了CuDnn的话)、OPENCV=1(如果你安装了OPENCV的话,是否开启OPENCV影响你测试单张图片是,能否实时窗口显示出来)
【darknet】darknet——Ubuntu16.04下从头编译_第3张图片

②修改NVCC路径,使用你所安装的cuda路径,这里我安装多个版本cuda版本,使用了cuda-10.0版本的,修改为相应的路径
在这里插入图片描述
【darknet】darknet——Ubuntu16.04下从头编译_第4张图片

③如果在第①步配置了CUDNN=1,则此处也需要进行相应配置
【darknet】darknet——Ubuntu16.04下从头编译_第5张图片

三、编译

在文件根目录,打开命令行,确认cuda环境配置正确(可使用nvcc -V命令查看,不做过多赘述)
输入

makemake -j8  #-j8可以提高编译速度

在这里插入图片描述
在一连串显示之后,出现以下界面,即编译成功
【darknet】darknet——Ubuntu16.04下从头编译_第6张图片
【darknet】darknet——Ubuntu16.04下从头编译_第7张图片
接下来,我们进行一下测试,使用yolov3.weights看是否能正常运行(需要先下载yolov3.weights,放在根目录下)
命令行输入

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

【darknet】darknet——Ubuntu16.04下从头编译_第8张图片
显示上述画面,注意如果编译时没有打开opencv=1,则不会实时显示检测结果,可以到跟目录下查看predictions.jpg文件。

以上,darknet编译成功。

你可能感兴趣的:(darknet,环境配置,深度学习)