YOLOv3的环境配置
VS2017配置YOLOv3
自身配置：
GeForce GTX 1050显卡 512.15版本
Visual Studio 2017Community
CUDA 10.1
cudnn 7.6.5
OpenCV 3.3.0
文章目录
- VS2017配置YOLOv3
- 前言
- 一、下载
- 二、配置
-
- 1.CUDA10.1 配置 cudnn7.6.5
- 2.VS2017 配置 CUDA 10.1
- 3.VS2017 配置 OPENCV 3.3.0
- 4.VS2017配置darknet
- 5.图片、视频测试
- 三、问题解决
-
- 1 darknet生成时出现C4996错误。
- 2 darknet生成时出现未声明的标识符，错误C2065。
- 3 darknet生成成功，测试的时候提示couldn't open file： cfg\coco.data
- 4couldn’t open file： data/coco/names
- 总结
前言
最近在做毕设，需要用到YOLOv3算法来训练，小白从头学起，就在这里记录一下在配置过程和所遇到的问题吧。
一、下载
IDE： VS2017社区版：https://pan.baidu.com/s/1QVOA-mka0TWGBmt9l_IMXw 码：ba6d
视觉库：OPENCV 3.3：https://pan.baidu.com/s/1LpwOzwnjsJRotcjhzlWwiA 码：oq70
运算平台：CUDA 10.1：https://pan.baidu.com/s/1FXiEZ5CObFdIM6E0UNXmOQ 码：k5p3
加速器： cudnn 7.6.5：https://pan.baidu.com/s/1yKz-N6kmSJAJjQF97uEQ5w 码：rbt3
YOLOv3_darknet：https://pan.baidu.com/s/1TJMA888iDA9O3n0OljZLzg 码：c83p
YOLOv3权重：https://pan.baidu.com/s/1DI-sXy_fXm1dH0Dg5fbk2g 码：oq8z
以上均为本人配置的网盘链接，其中YOLOv3_darknet是从github直接下载的zip文件，而非git clone。
也可以去官网去搜索自行下载。
比较重要的一点：下载CUDA前，一定先看看自己电脑的显卡版本：下面这个网址说明了怎么查看。https://blog.csdn.net/Strive_For_Future/article/details/104388165?msclkid=26abfea4c3db11ec84138f04b8eeb71b
一定要记住上面环境的安装地址，配置的时候都要用到。
二、配置
1.CUDA10.1 配置 cudnn7.6.5
https://blog.csdn.net/qq_40263477/article/details/105132913
这个网址里介绍了如何配置Windows中的CUDA和cudnn，与本人的配置只是版本不同，但操作一致。
如果想要在yolov3中使用的话，cudnn的版本不要超过 8.0，也就是必须安装8.0版本以前的。
2.VS2017 配置 CUDA 10.1
https://blog.csdn.net/qq_43715171/article/details/121876316
这个网址里面介绍了如何配置VS2017和CUDA。
3.VS2017 配置 OPENCV 3.3.0
https://blog.csdn.net/qq_41175905/article/details/80560429
这个网址里面介绍了如何配置VS2017和OPENCV，只是版本不同。
尽量配置OPENCV3.4.0（可以包括3.4.0）以前的版本，因为后面版本的会出现bug。
4.VS2017配置darknet
找到前面下载的YOLOV3_darknet，现在我们要开始配置YOLO了。
https://blog.csdn.net/sinat_41852207/article/details/90906309
这个网址里面介绍了如何配置，以及遇到错误MBS3721时应该怎么做。
到这里基本就全部配置完成了，并且根据上面的过程，应该已经成功生成了darknet.exe。
5.图片、视频测试
图片测试：
darknet.exe detector test data\coco.data yolov3.cfg .\weights\yolov3.weights
在dos里使用cd步进到 darknet.exe 所在的文件夹下，选择上面的代码输入之后，得到下图。
再选择图片路径即可进行测试。如下图所示。
视频测试：
darknet.exe detector demo data\coco.data yolov3.cfg weights\yolov3.weights
在dos里使用cd步进到 darknet.exe 所在的文件夹下，输入上面的代码，就可以调用摄像头进行实时检测。
三、问题解决
1 darknet生成时出现C4996错误。
这是因为 cudaThreadSynchronize（）在cuda10.0以后被弃用了。可以用 cudaDeviceSynchronize() 来代替。
2 darknet生成时出现未声明的标识符，错误C2065。
这是因为v8版本的cudnn不支持，需要改为使用v7版本的cudnn。
3 darknet生成成功，测试的时候提示couldn’t open file： cfg\coco.data
为什么会出现这个问题尚且不知，但是可以解决：win+r并输入cmd，在cmd中使用cd步进到darknet.exe所在的文件夹，然后输入测试语句即可。
4couldn’t open file： data/coco/names
在搜索解决第三个问题时，遇到了这个问题的解决方法，就一起写下来，但本人在测试过程中并未出现这个问题。
这是由于git clone导致的问题，只需去GitHub上下载zip解压使用即可。但现在GitHub不方便进入，所以本人在第一部分给出的代码便是GitHub下载的zip，而非git clone。
总结
现在网上也有很多的教程教你如何配置yolov3，但还是走了很多的弯路，能够配置好实属不易。
希望这篇文章也能够给其他人提供点方便吧。
2022.4.25