ubuntu16.04下YOLO V3的训练，测试识别图片中的目标和实时摄像头中的目标

一、环境

---

GPU：1080TI

CUDA：9.0

CUDNN：7.0.5

OpenCV：3.4.5

---

二、前期工作

---

1、下载darknet

git clone https://github.com/pjreddie/darknet

                                                                                

2、下载原版作者的权重文件 

wget https://pjreddie.com/media/files/yolov3.weights

存放到   中的backup里

即

 

3、进入darknet修改Makefile配置

• 因为用到了gpu，cudnn，opencv。因此0改为1

 

4、执行编译操作

• 进入下载的darknet目录运行终端，此为编译命令：

make -j32

“

如果想退回编译之前可执行如下命令

make clean

”

编译下终端命令截图如下：

          darknet-master文件中原本是如下文件： 

                    

        编译之后的结果是如下文件： 

                   

• 解释用make -j32的原因（加快编译速度）

---

既然IO不是瓶颈，那CPU就应该是一个影响编译速度的重要因素了。
　　用make -j带一个参数，可以把项目在进行并行编译，比如在一台双核的机器上，完全可以用make -j4，让make最多允许4个编译命令同时执行，这样可以更有效的利用CPU资源。

还是用Kernel来测试：
　　用make： 40分16秒
　　用make -j4：23分16秒
　　用make -j8：22分59秒

由此看来，在多核CPU上，适当的进行并行编译还是可以明显提高编译速度的。但并行的任务不宜太多，一般是以CPU的