远程Linux服务器darknet的部署与测试

在远程Linux服务器部署darknet

---

编译

首先通过putty或者其他工具登录到远程服务器
使用git下载源码

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

再进入darknet文件夹

cd darknet

修改Makefile，根据服务器的配置进行相应的设置

vim Mkaefile

按下i进入编辑模式

其中

GPU=0
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0

0表示不开启，1表示开始
若开启对应的对象，则需要在Makefile以下部分添加对应的路径

CC=gcc
CPP=g++
#下面的路径修改为自己对应的路径
NVCC=/usr/local/cuda11/bin/nvcc

GPU=1
其中nvidia的路径，若不清楚可通过find / -type d -iname "file_name"查找

ifep ($(GPU)),1)
# -I后面的路径修改为自己对应的路径 
COMMON+= -DGPU -I/usr/local/cuda11/include/
CFLAGS+= -DGPU
# 修改为自己对应的路径
LDFLAGS+= -L/usr/local/cuda11/lib64/ -L/usr/lib64/nvidia -lcuda -lcudart -lcublas -lcurand

编辑完成后按下esc键退出编辑模式
再键入：wq保存后退出
进行编译

make

编译过程中若遇到

unsupported gpu architecture ‘compute_30’
或者
unsupported gpu architecture ‘sm_30’

的问题，可通过这篇博客解决

编译成功后输入./darknet应能得到输出usage:./darknet<function>

---

测试

首先在官网下载模型的权重文件

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

下载完成后确认该文件在darknet文件夹下

然后先vim cfg/yolov3.cfg进入该配置文件修改以下内容

#Testing
batch=1
subdivisions=1
#根据测试还是训练的模式决定注释的部分
#Training
#batch=64
#subdivisions=16

我们先进行测试，所以注释掉training的部分，否则直接执行测试命令会显示CUDA out of memory的错误

在darknet目录下执行

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

其中
./darknet表示当前目录

test表示检测的测试，不是训练

cfg/coco.data为配置文件，其中包含物体类别的数量，训练和测试文件的路径信息，生成的权重文件保存的路径等信息

cfg/yolov3.cfg为训练和测试过程的配置文件，即是上一步修改的文件

yolov3.weights就是下载的权重文件

data/dog.jpg表示进行测试的图片，data文件夹下有多张图片，可通过ls data/查看选择

执行命令后，显示以下信息即表示成功运行

通过ls命令可看到darknet文件夹下有预测生成的predictions.jpg文件
再在本地终端使用scp命令下载到本地查看即可
在本地终端命令窗口输入

scp -P xxxx root@xxx.xxx.xxx.xxx:/home/usr/darknet/predictions.jpg /home/Downloads/

-P表示远程服务器的端口(port)号
root修改为自己的账户名称
@后修改为服务器对应的IP
：紧跟的路径为远程服务器端的文件路径
最后的文件路径为本地终端存储文件的路径

输入远程服务器密码，下载成功后即可查看输出图片

到此完毕。