YOLO v4在jetson nano的安装及测试

本文详细介绍了如何在Jetson Nano上安装和测试YOLO v4物体识别模型,利用CUDA实现GPU加速。通过修改Makefile,启用GPU和cuDNN,成功编译并在Nano上运行,测试了YOLO v4和YOLO v4-tiny的性能。YOLO v4在准确度上有优势,而YOLO v4-tiny则在速度上更适合Jetson Nano。
摘要由CSDN通过智能技术生成

You only look once (YOLO)是一款非常著名的物体识别深度学习网络,可实现快速检测的同时还达到较高的准确率。官网 https://pjreddie.com/darknet/yolo/

本文介绍yolo v4版的安装与测试。为了提高检测速率,硬件部分选择了nvidia公司出品的低成本jetson nano,利用CUDA实现GPU加速。

1. 准备工作

jetson nano 4G内存版,安装系统镜像,自带的jetpack 4.6已包含CUDA, cuDNN, OpenCV。

2. 安装YOLO

v4版源代码 https://github.com/AlexeyAB/darknet
国内安装,可用我的gitee
在用户主目录下新建一个文件夹YOLO,便于管理

$ mkdir ~/YOLO
$ cd ~/YOLO
$ git clone https://gitee.com/duping812/darknet.git
$ cd darknet

编译前,需要修改Makefile配置。


                
  • 2
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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