windows配置yolo问题

最新推荐文章于 2024-05-20 11:09:38 发布
最新推荐文章于 2024-05-20 11:09:38 发布
阅读量423 收藏
点赞数
分类专栏： Machine Learning 文章标签： Darknet YOLO windows rc.exe GPU
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/hktxt/article/details/81668998
版权

 

windows配置yolo问题

参照https://github.com/AlexeyAB/darknet来配置windows下的yolo无gpu模式。

首先，opencv版本不高于3.4.0，按照实际的安装路径来修改，项目->属性->c/c++->附加包含目录和连接器下的附加目录。

然后生成，如果出现：

LINK : fatal error LNK1158: cannot run 'rc.exe'

这样的错误，一般可以将rc.exe和rcdll.dll两个文件从：

C:\Program Files (x86)\Windows Kits\8.1\bin\x86

拷贝到：

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin\x86_amd64

 目录下即可。

参见:https://stackoverflow.com/questions/14372706/visual-studio-cant-build-due-to-rc-exe

田伯光光
关注
专栏目录
Windows下配置yolo环境，亲测有效
qydsb的博客
04-15 1436
之后安装cudnn 由于我安装的是cuda9.0因此 https://developer.nvidia.com/rdp/cudnn-archive 到这网站去寻找对应的版本 得到这几个文件 将这几个文件复制到 将这个三个文件夹复制到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0” （CUDA安装路径） 就可以了 ...
Windows中安装 YOLO运行环境
qq_41894451的博客
04-27 469
2、配置加速器，并在C:\Users****\AppData\Roaming\pip中创建pip.ini文件输入一下内容，编码选择ISO-8859-1。1、下载Anaconda软件。
YOLO2+windows+gpu训练配置
07-19
windows下，基于GPU的YOLO2算法训练说明
Windows下YOLOX的配置
dejahu的博客
10-01 2295
Windows下YOLOX的配置 作者：肆十二 本次博客电脑基本配置情况： 系统-windows10 显卡-RTX2070s CPU-I7 9700k YOLOX是是旷视科技在2021年提出的Anchor Free的目标检测框架，YOLOX-l模型在coco的测试集上可以达到51.5的mAP值，相对于YOLOV5有1.8个点的提高，并且YOLOX是一个Anchor free的框架，相对来说没有太多需要调试的超参数，在原始的预训练模型上做一下微调就可以在自己的数据集上达到不错的效果，算法的细节部分还请大家
手把手教学系列（一）：windows下配置YOLO
qq_41074679的博客
09-24 423
一、绪论 废话不多说，直接上结果，下图是实时检测中截取的一张照片。 二、配置教程 2.1 安装Nvidia驱动 驱动下载链接：https://www.nvidia.cn/geforce/drivers/ 1） 点开后在这儿搜索你的驱动，我的GPU是MX350的，所以我的搜索如下图所示。点击开始搜索，往下滑就可以看到搜索结果了。 2）安装驱动，双击ok 2.2 加速包配置，给个博客参考链接 https://blog.csdn.net/u010618587/article/de...
YOLOv8模型的简单测试，Windows环境下安装部署（Python+PyTorch+Conda+cpu+CLI）
默默找寻着，那于世而存的蛛丝马迹。
03-31 3799
YOLOv8模型的简单测试，Windows环境下安装部署（Python+PyTorch+Conda+cpu+CLI）
在window系统下跑yolo5【记录+心得】
最新发布
祖国花朵的博文
05-20 836
哈哈哈哈我会发疯的
YOLO2+windows训练配置
12-26
在windows下利用自己的数据，训练YOLO2模型，文档内容一步一步教你如果配置训练数据。
编译好的windows yolo-mark
06-15
在这个上下文中，“编译好”的意思是指该版本的YOLO-mark已经过编译过程，适用于Windows系统，用户可以直接使用，无需自己配置编译环境。 描述非常简洁，只提到是“编译好的windows yolo-mark”，这意味着用户可以...
YOLO V3神经网络Windows 7平台下的配置和单步调试（Windows 7+VS2015+CPU）-附件资源
03-05
YOLO V3神经网络Windows 7平台下的配置和单步调试（Windows 7+VS2015+CPU）-附件资源
Deeplearning.ai第四课作业3需要的yad2k文件
03-22
Deeplearning.ai第四课作业3需要的yad2k文件
Windows下的YOLOV4配置VS
Beings41的博客
09-12 622
YOLOV4配置VS yolov4的VS配置过程和yolov3的配置过程是大致一样的。配置就是配置opencv和CUDA。 配置软件： VS2019 opencv3.4.10 CUDA10.1和cudnn7.6.4 1、首先安装vs2019，安装过程直接一路next，选择自己需要的模块，C++的桌面开发要选上 后面就是漫长的等待安装。 2、后面就是安装CUDA。安装CUDA的时候需要选择自己计算机显卡对应的CUDA版本。通过NVINIA控制面板可以查看。 参考文章：https://blog.csdn.n
Windows+YOLOV8环境配置
积极向上的mr.d的博客
03-23 4340
Windows+YOLOV8环境配置，附加一些其他功能
YOLO v1之总结篇（linux+windows）
热门推荐
年轻即出发，
12-13 1万+
论文解读篇： YOLO出自2016 CVPR You Only Look Once:Unified, Real-Time Object Detection，也是一个非常值得学习的框架，不得不说facebook的技术就是牛啊。 整个训练和检测框架都是端到端，YOLO达到了45帧每秒，Fast YOLO达到了155帧每秒，除了刚开始加载模型有点慢，检测部分确实是非常的快。 ...
anacondapythonyolo3配置_YoloV3-Keras本地环境搭建与测试实践（一）
weixin_30672649的博客
01-15 379
写在前面：1.本文使用的源代码地址为：click here2.源代码测试运行环境(斜杠后为本文使用的测试环境)：Python 3.5.2/3.5.6；Keras 2.1.5 / 自动适配；tensorflow 1.6.0/1.12.0环境搭建1.下载对应的Anaconda并安装(注：Anaconda版本对于代码测试没有特殊关联，但强烈建议使用Anaconda)清华镜像源2. 使用Anaconda建...
【深度学习】YOLOV5-WIN10环境搭建（配置+训练
m0_62556048的博客
07-01 8959
win10 基于anaconda和pytorch的YOLOV5深度学习环境配置
记录使用Anaconda、Pycharm配置Yolov5环境全过程
qq_56905524的博客
08-18 1万+
记录使用Anaconda、Pycharm配置Yolov5环境全过程
【Ubuntu】yolov5-6.0+tensorRT在Ubuntu(x86_64)部署推理
qq_44703886的博客
11-13 2485
yolov5-6.0+tensorRT在Ubuntu(x86_64)部署推理
YOLO windows 配置
04-27 1万+
作者配置时的环境visual studio 2013 显卡 GTX 960M CUDA 7.5 Opencv 2.4.9 pthreadpthread 下载地址YOLO官网[http://pjreddie.com/darknet/yolo/]步骤1、 新建vs工程 2、 将工程设置为Release x64 模式 3、然后再工程添加这三个文件夹，命名为c，h，cu。然后分别添加.cu
pycharm配置Yolo7.0
09-14
要在PyCharm中配置Yolov7的环境，需要执行以下步骤： 1. 首先，确保你已经安装了Python和PyCharm。你可以从Python官方网站下载Python，并从JetBrains网站下载并安装PyCharm。 2. 打开PyCharm，创建一个新项目。选择一个适合你的位置，并为项目选择一个合适的名称。 3. 在PyCharm中打开终端。你可以在菜单栏中选择"View"，然后选择"Tool Windows"，再选择"Terminal"。 4. 在终端中，使用以下命令创建一个新的虚拟环境（可选）： ``` python -m venv yolov7_env ``` 5. 激活虚拟环境： - 对于Windows系统： ``` yolov7_env\Scripts\activate ``` - 对于Mac/Linux系统： ``` source yolov7_env/bin/activate ``` 6. 安装必要的依赖项。运行以下命令来安装所需的包： ``` pip install torch torchvision numpy matplotlib opencv-python ``` 7. 下载和配置Yolov7模型。你可以从Yolov7的GitHub存储库中下载模型权重文件。将权重文件放在你的项目文件夹中。 8. 创建一个Python文件，并将Yolov7的代码复制到该文件中。确保你正确设置了模型的权重文件路径。 9. 现在，你可以使用PyCharm的调试功能执行和调试你的Yolov7代码了。 请注意，这些步骤提供了一个基本的配置环境和运行Yolov7的方法。具体的步骤可能因你的操作系统、PyCharm版本和其他因素而有所不同。
评论
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