2jeston nano 上安装darknet

已于 2022-05-03 18:27:45 修改
阅读量386 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： jeston nano 文章标签： 人工智能
于 2021-05-27 19:05:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chencaw/article/details/117280081
本文介绍了如何在Jetson Nano上安装和配置Darknet以运行YOLOv3模型。首先确认CUDA环境，然后在环境中添加CUDA路径。接着，由于使用的是OpenCV4.1.1，需要修改Makefile和src/image_opencv.cpp以适应OpenCV4，并确保编译时指定正确的CUDNN_HALF选项。最后，下载YOLOv3的Tiny权重文件进行测试。

cankaole

CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT‘ undeclared (first use in this function)_mdllll的博客-CSDN博客

玩转Jetson Nano（二）检查已安装组件_贝克汉鸭的博客-CSDN博客

玩转Jetson Nano（五）跑通yolov3_贝克汉鸭的博客-CSDN博客_jetson nano 跑yolov3

Yolov3模型框架darknet研究（八）如何将darknet在opencv4.1上编译运行通过_ltshan139的博客-CSDN博客

1、好久没动了，想在jetson上面安装darknet跑下yolo v3

2/

(1) 检查CUDA

mul

最低0.47元/天 解锁文章
Jetson nano部署yolov5
magicnnonn的博客
04-01 1596
亲测Jetson nano部署yolov5，一步到位。
基于jetson nano的darknet_ros包
07-04
使用说明：https://blog.csdn.net/mynameisJW/article/details/118446169
Jetson nano-Ubuntu18.04配置darknet环境-YOLOv4
Sw_09002463的博客
04-12 1548
Jetson Ubuntu18配置darknet-YOLOV4
Jetson Nano 安装使用Darknet
qq_44360908的博客
01-29 1032
由于最近要做一些图像相关的项目，对我来说图像识别是一个全新的领域，从零开始，正在慢慢摸索，记录一些自己做过的一些工作，也方便自己以后查看自己的一些踩坑记录。网上得教程也非常多，但是我还是决定先看看官方的教程，网址如下：Installing Darknet 这个网站的作者也非常有意思，界面写的非常的魔幻。 ...
Jetson Nano中使用Darknet(AlexeyAB版本)运行YOLOV4
qq_44360908的博客
02-02 3416
之前几天使用了Darknet来跑YOLOV3，或多或少遇到了一些问题，一些问题也还没有解决。YOLOV3的作者呢之前宣布自己不再更新了，那么AlexeyAB就搞了YOLOV4的版本，接下来我们就尝试一下YOLOV4。 安装Darknet(AlexeyAB版本) 和之前一样，首先把Darknet git下来，为了保留之前的版本，这次换一个目录进行下载，git的地址也有所不同。 git clonehttps://github.com/AlexeyAB/darknet....
3jeston nano 上安装darknet（2021新的镜像真正OK）
chencaw的专栏
05-31 399
1、参考 https://blog.csdn.net/mdllll/article/details/110072342 https://blog.csdn.net/beckhans/article/details/89138876 https://blog.csdn.net/beckhans/article/details/89373939 https://blog.csdn.net/avideointerfaces/article/details/90475694 2
jeston nano部署yolov8
09-13
1. 安装操作系统：首先，确保 Jetson Nano 上安装了支持 CUDA 的操作系统，如 JetPack 4.6。 2. 安装依赖库：安装 YOLOv4 所需的依赖库，包括 CUDA、cuDNN、OpenCV 等。 3. 下载 YOLOv4：从 Darknet 的 GitHub ...
004 基于Jetson Nano+YoloV4-tiny的目标检测
ahhjian的专栏
03-20 544
本节介绍有关行人检测的。首先完成一种针对单幅图像的人体检测，然后介绍一种在线行人检测实例。
Jetson nano之pytorch 深度学习
whujk的博客
06-01 2951
Jetson nano之pytorch 深度学习 利用Darknet 和 YOLO进行检测 利用yolo训练好的模型进行检测 git clone https://github.com/pjreddie/darknet wget https://pjreddie.com/media/files/yolov3.weights #需要网载的东西 cd darknet sudo vim Makefile GPU=1 CUDNN=1 NVCC=/usr/local/cuda-10.0/bin/nvcc if
基于Darknet和Darknet-ROS在Jetson Nano部署yolov3 tiny,进行口罩佩戴检测
weixin_38650871的博客
11-11 4073
下载Darknet源码 https://gitee.com/bingda-robot/darknet.git 或者上传本地的darknet源码至Jetson Nano scp -r /Users/xiangjun/Desktop/ros/darknet bingda@192.168.9.1:/home/bingda ```c 验证cuda是否安装： ```bash ls -l /usr/local |grep cuda 查看opencv的版本： opencv_version 查看opencv的库文
algo_cmp_linux.cpp
09-25
本算法的linux版
jetson nano运行darknet_ros的环境配置
Jan___的博客
07-03 1327
jetson nano运行darknet_ros的环境配置1 安装镜像JP4.52 环境设置2.1 Jetson Nano换国内源2 首先安装opencv3.4.10二级目录三级目录 jetson nano安装镜像+ros-melodic+opencv3.4.10+darknet_ros 1 安装镜像JP4.5 官方镜像地址：https://developer.nvidia.com/embedded/downloads 安装教程：https://blog.csdn.net/m0_51004308/artic
windows10上搭建caffe以及踩到的坑
weixin_43868576的博客
08-29 1486
这是因为cudnn8里没有cudnnGetConvolutionForwardAlgorithm()这个函数了，改成了cudnnGetConvolutionForwardAlgorithm_v7()，也没了CUDNN_CONVOLUTION_FWD_SPECIFY_WORKSPACE_LIMIT这个宏定义，这些都是API不兼容，但是NVIDIA声明cudnn8不支持了，caffe的代码也没人去更新了，所以不能指望NVIDIA或者berkeley，只能自行修改。我在这边踩了坑，因为我看的那个博客这边弄错了。
Jetson nano进阶之路（一）darknet 安装踩坑
qq_30623327的博客
09-22 1248
在上一节中我们在Jetson nano中安装了必要的环境，并在jetson nano中利用pytorch中跑通了cat vs dog这一例程，jetson nano性能有限就不要想着在上面训练了，会卡死，只能作为test使用。下一个任务是做一个识别任务，用yolo进行实现在Jetson nano中进行部署。 要跑例子，发现好多都用到了darknet，安装时又遇到了很多坑。下面总结一下，主要来源于 https://blog.csdn.net/qq_33642342/article/details/10449
YOLOv3目标检测实战：交通标志识别
05-29
告知：需要学习YOLOv4进行TT100K数据集上中国交通标志识别的学员请前往(1) Ubuntu系统《YOLOv4目标检测实战：中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/29362(2)《Windows版YOLOv4目标检测实战：中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/29363在无人驾驶中，交通标志识别是一项重要的任务。本课程中的项目以美国交通标志数据集LISA为训练对象，采用YOLOv3目标检测方法实现实时交通标志识别。具体项目过程包括包括：安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。YOLOv3基于深度学习，可以实时地进行端到端的目标检测，以速度快见长。本课程将手把手地教大家使用YOLOv3实现交通标志的多目标检测。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。 Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入学习和探究。除本课程《YOLOv3目标检测实战：交通标志识别》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：训练自己的数据集》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》另一门课程《YOLOv3目标检测实战：训练自己的数据集》主要是介绍如何训练自己标注的数据集。而本课程的区别主要在于学习对已标注数据集的格式转换，即把LISA数据集从csv格式转换成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本课程提供数据集格式转换的Python代码。请大家关注以上课程，并选择学习。下图是使用YOLOv3进行交通标志识别的测试结果
Ubuntu下目标检测YOLO系列网络安装OpenCV时Darknet编译出现的问题（pjreddie版本）
LHX19971114的博客
08-08 1786
使用pip快速安装，安装前提是Anaconda3安装完成在darknet-master项目下进入虚拟环境终端进行安装（我的解释器是虚拟环境）命令安装完成darknet输入编译make命令还是找不到opencv的需要再安装，跑以下命令完成，没有opencv错误。......
【YOLO3代码详解系列05】卷积层
小陈说CV的博客
05-23 1084
文章目录1 convolution_layer.h2 convolution_layer.c 1 convolution_layer.h #ifndef CONVOLUTIONAL_LAYER_H #define CONVOLUTIONAL_LAYER_H #include "cuda.h" #include "image.h" #include "activations.h" #include "layer.h" #include "network.h" typedef layer convolutio
Jetson Nano上编译使用darknet
sinat_38685124的博客
01-18 1042
Jetson Nano是Nvidia在TX2和Xavier获得成功后推出的低配版GPU运算平台。测一下darknet版本yolov4在nano上的性能。 下载 git clone https://github.com/AlexeyAB/darknet.git 编译 修改Makefile cd darknet vim Makefile 令GPU=1, CUDNN=1, OPENCV=1 52行附近，取消注释 77行附近，修改NVCC的值 开始编译 make -j4 下载权重文件 wget
Caffe编译时提示 CUDNN 版本不兼容的解决办法
生命在于折腾！
01-02 1664
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
openni2安装 jeston nano
最新发布
03-25
### 在 Jeston Nano 上安装 OpenNI2 要在 Jeston Nano 上成功安装 OpenNI2，可以按照以下方法操作： #### 准备工作 确保 Jeston Nano 已经配置好适合的操作系统，并下载适配 ARM64 架构的 SDK 文件[^1]。通常情况下，Jeston Nano 使用的是基于 Ubuntu 的操作系统版本。 #### 安装依赖项 在开始之前，需要先安装一些必要的软件包来支持 OpenNI2 的运行环境： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake libusb-1.0-0-dev git -y ``` 这些工具和库文件对于后续构建 CMake 和 USB 支持至关重要。 #### 获取并编译 OpenNI2 源码 通过 Git 或者直接从官方仓库获取最新版源代码后，利用 `CMake` 进行本地化编译设置： ```bash git clone https://github.com/OpenNI/OpenNI2.git cd OpenNI2/Platform/Linux/CreateRedist ./RedistLinux.sh ``` 完成脚本执行之后，在当前目录下会产生一个新的可分发文件夹 `Redist` ，其中包含了所有必需组件。 接着进入该路径继续下一步骤处理： ```bash cd ../Redist/ mkdir build && cd build cmake .. make -j$(nproc) sudo make install ``` 以上命令序列完成了针对特定硬件平台定制化的编译流程。 #### 配置环境变量 为了使新安装的服务生效，需增加相应的环境变量到用户的 shell profile 中去。编辑 `.bashrc` 文件加入如下内容： ```bash echo 'export OPEN_NI2_HOME=/usr/local' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib' >> ~/.bashrc source ~/.bashrc ``` 每次新开终端都需要重新加载上述更改才能正常运作[^3]。 #### 测试验证 最后一步就是确认整个过程无误，可以通过简单的测试程序来进行功能检验。如果一切顺利的话，则代表已经成功部署完毕。 ```python import openni2 openni2.initialize() # 初始化设备管理器 devs = openni2.Device.get_connected() print(devs) # 打印连接上的摄像头列表 openni2.unload() # 卸载驱动结束使用 ``` 此 Python 脚本片段展示了基本调用逻辑[^4]。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值