如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法

VS2019安装GPU版本YOLOv4

  • 前言
  • 一、相关知识储备
    • 1. YOLO是什么?
    • 2.CPU&GPU
    • 3.什么是CUDA
    • 4.什么是cuDNN
    • 4.什么是OpenCV
  • 二、系统与环境要求
    • 1.硬件环境
    • 2.软件环境
  • 三、相关环境下载
    • 1.NVIDIA下载驱动
    • 2.CUDNN下载
    • 3.VS2019下载
    • 4.opencv下载
  • 四、安装与配置
    • 1.显卡驱动安装
    • 2.配置CUDA环境变量
    • 3.CUDNN安装
    • 4.OpenCV安装
  • 五、YOLO下载和编译
    • 1.YOLO下载
    • 2.复制编译依赖文件
    • 3.修改darknet.vcxproj文件
    • 4.YOLO编译
    • 5.YOLO+VS环境配置
  • 总结


前言

随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了windows下YOLO的环境搭建流程。


一、相关知识储备

1. YOLO是什么?

  • YOLO是一种实时目标检测算法,它是第一个平衡所提供检测的质量和速度的算法。通常,这类最强大的模型,都是建立在卷积神经网络的基础上,这次也不例外。所谓「目标检测模型」,我们的意思是,我们不仅可以用它来找出给定照片中存在的对象,还可以用它来指示它们的位置和数量。除其他外,这种模型在机器人和汽车工业中都有应用,因此检测速度至关重要。自2015年以来,该算法已经进行了三次迭代,还有为
    TinyYOLO 等移动设备设计的变体。移动版本的精度有限,但计算要求也较低,运行速度更快。

2.CPU&GPU

  • CPU(Central Processing
    Unit)是指中央处理器,决定着手机的运行速度。一般来说芯片数字越大代表着型号越新,因此我们在选择CPU的时候应该选择名称中所带数字较大的。
  • GPU(Graphics Processing
    Unit)是指图像处理器,在手机上用于游戏画面的渲染,通常GPU的型号越新,频率越高,意味着游戏的画面展示速度越快。
  • CPU和GPU二者对于用户来说是缺一不可,前者负责计算数据,后者负责显示内容,构造后端运算,前端显示的前后搭配。
    如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第1张图片

3.什么是CUDA

  • CUDA(Compute Unified Device Architecture),显卡厂商NVidia推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
  • 通过CUDA架构,视频播放软件可以充分挖掘NVIDIA系列显卡的GPU并行计算能力,轻松进行高清影片的播放,与软件高清解码相比,CPU占用可以下降一半以上。当然,CUDA的应用领域绝不仅仅是视频、图形、游戏,包括各种3D和建模,医疗、能源、科学研究等,到处都可见到这种技术架构的应用
    如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第2张图片

4.什么是cuDNN

  • NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA
    cuDNN可以集成到更高级别的机器学习框架中,如加州大学伯克利分校的流行caffe软件。简单的,插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是调整性能,同时还可以在GPU上实现高性能现代并行计算。

4.什么是OpenCV

  • OpenCV是一个基于Apache2.0许可发行的跨平台计算机视觉和机器学习软件库,可以在Linux、Windows、Android和Mac
    OS操作系统上运行。它轻量级而且高效——由一系列 C 函数和少量 C++
    类函数构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了很多图像处理和计算机视觉方面的通用算法。

二、系统与环境要求

1.硬件环境

Windows10系统+GPU显卡

如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第3张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第4张图片

2.软件环境

  • CUDA,cuDNN,VS2019,OpenCV
    如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第5张图片

三、相关环境下载

1.NVIDIA下载驱动

https://developer.nvidia.com/cuda-10.1-download-archive-update2
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第6张图片

如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第7张图片
打开NVIDIA官网驱动程序下载页面,选择适合你显卡的驱动,下载并安装。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第8张图片

2.CUDNN下载

点击:https://developer.nvidia.com/rdp/cudnn-download 注册个账户,然后下载对应版本加速库
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第9张图片

3.VS2019下载

https://visualstudio.microsoft.com/zh-hans/downloads/
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第10张图片

4.opencv下载

https://opencv.org/opencv-4-5-0/
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第11张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第12张图片

四、安装与配置

1.显卡驱动安装

如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第13张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第14张图片

选择自定义安装:
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第15张图片
全部勾选,点击下一步:
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第16张图片
使用默认的安装路径:
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第17张图片

2.配置CUDA环境变量

右键“我的电脑”选择属性,点击“高级系统设置”->“环境变量”。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第18张图片
可以看到CUDA默认写入了2条环境变量信息,但这些还不够,点击新建,添加以下环境变量:
在这里插入图片描述
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第19张图片
根据你CUDA的实际安装路径配置变量值,但我建议你安装CUDA时使用默认的路径,避免出现各种奇葩问题。
然后在系统变量中找到Path,双击打开并加入以下变量值:
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第20张图片
然后打开控制台,输入:nvcc -V
如果输出CUDA版本等相关信息,说明CUDA安装成功。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第21张图片

3.CUDNN安装

将解压后的文件,覆盖到CUDA的安装目录下
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第22张图片

4.OpenCV安装

下载完成后双击打开,该exe是个自解压程序,选择一个解压目录,解压完成后,将解压出来的opencv文件夹复制到c盘根目录下。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第23张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第24张图片

五、YOLO下载和编译

1.YOLO下载

点击https://github.com/AlexeyAB/darknet 下载YOLO。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第25张图片
下载到本地后,解压,将darknet-master重命名为darknet

2.复制编译依赖文件

将c:/opencv/build/x64/vc15/bin目录下的opencv_ffmpeg340_64.dll、opencv_world340.dll复制到D:\darknet\build\darknet\x64目录下
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第26张图片

3.修改darknet.vcxproj文件

如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第27张图片
打开文件找到两处有CUDA版本号的地方(一般55 & 307行附近)将这里的10.1改为自己的版本号,然后保存

4.YOLO编译

用vs2019打开 darkne\build\darknet\darknet.sln 确定弹出的升级窗口,设置为Release,x64编译 生成可执行文件
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第28张图片

5.YOLO+VS环境配置

右键darknet工程,选择属性。
然后点击VC++目录,编辑包含目录,将以下路径添加到包含目录中
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第29张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第30张图片
点击库目录,把以下内容添加到库目录中。
点击链接器->输入,在附加依赖项中添加
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第31张图片
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第32张图片
编译过程可能会出现很多警告,但只要最终提示生成:成功1个,失败0个,则表示编译成功。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第33张图片
六、YOLO环境测试
windows+r,输入cmd,进入自己对应的build/darknet/x64下
执行

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

如果出现CUDA版本信息,说明YOLO可以通过GPU来进行目标识别了。
如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法_第34张图片


总结

以上就是今天要讲的内容,本文仅仅简单介绍了如何在VS2019环境下使用Opencv调用GPU版本YOLOv4算法。

你可能感兴趣的:(代码管控,opencv,算法,计算机视觉)