Ubuntu环境配置

最新推荐文章于 2023-05-30 15:01:36 发布

置顶

m0_49089298

最新推荐文章于 2023-05-30 15:01:36 发布

阅读量187

点赞数

分类专栏： Ubuntu 文章标签：深度学习 linux

本文链接：https://blog.csdn.net/m0_49089298/article/details/115528897

版权

本文详细介绍了在Ubuntu系统中配置深度学习环境的过程，包括安装NVIDIA驱动、CUDA 11.1、CUDNN、OpenCV以及Darknet。重点讲述了Darknet的安装与使用，如检测图像、视频，以及训练自定义数据集。同时，提到了在不同GPU配置下运行YOLOv3模型的步骤，并提供了训练YOLO模型在Pascal VOC和COCO数据集上的指南。

摘要由CSDN通过智能技术生成

Ubuntu环境配置
1.Ubuntu搭建
2.安装nvidia驱动
3.安装cuda11.1
利用nvcc–version进行验证
4.安装cudnn
5.安装opencv
6.安装darknet
（1）下载darknet代码
（2）下载YOLO配置文件
1.#获取源码
git clone https://github.com/pjreddie/darknet
cd darknet
make
2.#获取预训练的参数权重
wget https://pjreddie.com/media/files/yolov3.weights
3.#执行
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
也可以使用
./darknet detect cfg/yolov3.cfg yolov3.weights
然后再选择 data/dog.jpg或者data/person.jpg
默认情况下，YOLO仅显示以置信度检测到的对象为0.25或者更高的，可以通过修改阈值，来显示。
例如：
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

（利用CPU检测的图片大概20秒左右，如果ubuntu环境下没有安装opencv的话，则在darknet文件夹下的predictions.jpg即是检测后的结果。）
4#利用GPU进行图像检测
（比单独使用CPU要快500倍，前提：具有NVIDIA 显卡、显卡驱动已安装、CUDA已安装、CUDNN已安装。）
1)修改darknet根目录下的Makefil