基于darknet的YOLOv3的GPU环境配置

YOLO的训练基于GPU要比CPU快非常多，但是基于GPU有一些小坑，再次记录以下；

我用配置是ubuntu18.04 +  cuda-9.2 

1. 首先确保ubuntu系统是nvidia（训练起来好用）

判断显卡参考：https://blog.csdn.net/lightyoung/article/details/105875533

 

2.安装相应的版本的cuda和cudnn

这个坑较多，具体可以参考：

https://www.pianshen.com/article/262069239/

https://blog.csdn.net/u010801439/article/details/80483036

介绍比较详细，结合两篇文章进行安装，基本避开坑

安装后及时查看自己的版本，及时找出错误的地方，避免后续难以查找

 

3.进行yolo的配置

打开darknet/MakeFile文件，进行如下修改：

GPU=1

CUDNN=1

OPENCV=0

OPENMP=0

DEBUG=0

 

CC=gcc

NVCC=/usr/local/cuda-9.2/bin/nvcc #NVCC=nvcc 修改为自己的路径

AR=ar

ARFLAGS=rcs

OPTS=-Ofast

LDFLAGS= -lm -pthread

COMMON= -Iinclude/ -Isrc/

CFLAGS=-Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC

...

ifeq ($(GPU), 1)

COMMON+= -DGPU -I/usr/local/cuda-9.2/include/ #修改为自己的版本

CFLAGS+= -DGPU

LDFLAGS+= -L/usr/local/cuda-9.2/lib64 -lcuda -lcudart -lcublas -lcurand #修改为自己的版本

endif

修改后进行保存，然后在darknet目录下再次编译：make  （一定要make）

编译结束后，再次执行：

 

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

小坑：检测如下显示

...
....
.....
20 CUDA Error: out of memory
darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.
已放弃 (核心已转储)

解决办法：在cfg文件夹中找到YOLOv3.cfg文件

需要修改所使用的模型cfg文件中的subdivision的参数。

改成subdivisions=64。

在进行测试即可。