darknet安装记录 Win10+vs2017+darknet

本人学生党一枚，由于项目需要自学darknet，看了网上许多教程，走了许多弯路，终于把darknet编译好了。现记录安装过程。

1、配置环境

（1）win10系统，cuda10.1

（2）opencv3.4

（3）vs2017

（4）源代码：https://github.com/AlexeyAB/darknet

2、安装cuda

（1）查看自己电脑的cuda版本

桌面单击右键，选择NVIDIA控制面板

点击左下角的系统信息

点击组件，就可以看到cuda版本，我自己的是cuda10.1版本

去官网下载对应版本的cuda：https://developer.nvidia.com/cuda-toolkit-archive

下载完成后直接按照流程安装就好了。

安装完成后，配置环境变量

右键此电脑图标，点击属性，高级系统设置，环境变量，

系统变量path,有3个路径需要添加（可直接复制，注意更改版本号）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

检查有无一下系统变量，如果没有就添加（可直接复制，注意更改版本号）

CUDA_BIN_PATH         ；%CUDA_PATH%\bin

CUDA_LIB_PATH          ；%CUDA_PATH%\lib\x64

CUDA_PATH                 ；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

CUDA_PATH_V10_1     ；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

CUDA_SDK_BIN_PATH；%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH ；%CUDA_SDK_PATH%\common\lib\x64

CUDA_SDK_PATH         ；C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1

cmd打开命令行，输入set cuda 检查是否配置成功，如果没有请检查或者重启

（2）安装cudnn：https://developer.nvidia.com/rdp/cudnn-archive

要登录才能下载，如果没有账号，要先注册然后填一堆问卷。

登录好后，选择对应的版本下载。

下载完成后，解压，看到有3个文件夹，分别打开bin,include,lib文件夹，把里面的文件拷贝到cuda的里对应的文件夹下面

检查是系统变量是否存在以下路径

CUDNN      ；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

3.opencv3.4:  点击下载

记住安装路径即可

4.安装VS2017（建议用2017，理论上2015及以上都可以，但是2015安装时容易缺失某个安装包）

VS2017下载

下载免费的community版本

安装时要勾选 适用于桌面开发的2015（140）工具集 和C++附带安装

建议更改安装路径，不要装到C盘

如果仅用于编译darknet，不用勾选太多，不然会很大。

安装时间较长，请耐心等待。

5.编译darknet

(1)按照之前安装opencv3.4的路径，打开以下文件夹找到这两个dll文件

将以上两个文件拷贝到darknet-master中的以下位置

（2）确认C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations文件夹下面是否有下面这几个文件（10.1就是我的CUDA版本号）

然后将以上四个文件拷贝到VS2017的安装路径中

（3）打开build文件夹下的darknet文件夹，并用编辑器打开darknet.vcxproj，用搜索功能查找CUDA （这里就是CUDA的版本号了），并修改为自己CUDA的版本号，共有两处需要修改

（4）用vs2017打开darknet.sln文件

弹出以下窗口，平台工具集选择无升级

• 设置为release  x64;

• 点击项目，属性

  

修改包含目录和库目录

包含目录需添加：（注意自己的opencv所在的路径）

D:\program\opencv3.4.0\opencv\build\include
D:\program\opencv3.4.0\opencv\build\include\opencv
D:\program\opencv3.4.0\opencv\build\include\opencv2

库目录需添加：

D:\program\opencv3.4.0\opencv\build\x64\vc15\lib

修改附加依赖项

• 检查显卡的算力是否在范围内

如果Code Generation设置太高，编译时会报错

那么如何查看自己的显卡算力大小呢？

点击这里就可以查看啦

最后点击生成，重新生成darknet就可以啦

最后打开build下的darknet下的x64会有一个darknet.exe文件

到这里，darknet的gpu版本编译就已经完成了，耶

（5）测试

下载yolov3.weights并放到同darknet.exe的目录下

下载地址

cmd打开命令行，切换至darknet.exe所在目录，

我的地址是在D：\darknet-master\build\darknet\x64

输入指令darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

检测成功！

附上darknet的常用指令：

1.直接从头开始训练：darknet.exe detector train .\cfg\projectname.data .\cfg\yolov3_projectname.cfg

训练的过程中backup目录里面每到一定迭代次数，会有模型参数文件保存下来（比如yolov3_projectname_1000.weights）。

2.基于前面训练的模型继续训：darknet.exe detector train .\cfg\projectname.data .\cfg\yolov3_projectname.cfg backup\yolov3_projectname_1000.weights

3.用生成的模型测试图片：darknet.exe detector test .\cfg\projectname.data .\cfg\yolov3_projectname.cfg backup\yolov3_projectname_1000.weights

4.用生成的模型测试视频：darknet.exe detector demo .\cfg\projectname.data .\cfg\yolov3_projectname.cfg backup\yolov3_projectname_1000.weights -i 0 -thresh 0.25 projectname.mp4

———————————————————————————————————————————

还没有结束，如果想要在python上运行怎么办？不要慌

darknet提供了python接口——即darknet.py，与darknet.exe在同一目录下

不要急，在运行之前，首先要编译动态链接库，即dll文件

先修改yolo_cpp_dll.vcxproj文件中的cuda版本号，然后再用vs2017打开yolo_cpp_dll.sln，操作同上面编译darknet.sln。编译完成之后，可以看到darknet.exe同目录下生成了yolo_cpp_dll.dll文件

——————————————————————————————————————————

本次记录过程到此为止，正式结束。

由于这篇文章是我编译完成之后过了几周才写的，如果有疏漏之处请指正。

这个文章是我看了网上很多教程、踩了很多坑、吸取教训之后写的，所以上面有一些设置可能对其他人来说不是必须的（因为每台电脑都可能会出现不同的问题）。我尽量把我编译过程中做的更改写了下来，希望能帮到大家

参考资料：yolov3在win10 下用vs2017配置GPU版_dz4543的博客-CSDN博客

                  windows下darknet之yolo(gpu版本）安装 - 知乎 (zhihu.com)