YOLOV3实战1：Ubuntu16.04搭建Cuda9.0+Cudnn一步到位，拒绝出错！

这是本人第一次写博客，写得不好的地方或者有侵权的地方烦请通知本人和谅解，谢谢！
有问题，欢迎加群：813221712（对象检测交流群）交流
通用检测对象检测是机器视觉中比较热门的研究方向，本系列教程旨在从最基本的搭建硬件环境到精通Darknet框架（目前主要使用YOLO V3做检测，检测效果见 https://www.bilibili.com/video/av21665749/）, 这是本系列教程的第一步，搭建能使用Darknet的硬件和软件环境。
硬件要求：GPU（可有可无）有条件的话推荐1080TI或者等2080TI，性价比还不错，单张1080TI的inference时间比TITAN XP快，因为其基础频率高，但TITAN XP训练可以设置的Batch比1080TI大，因为其显存高一点，所以读者可以自己权衡。
其他硬件：基本无要求。
开始正题，动手准备吧！

第一步：安装Ubuntu16.04操作系统（如果你已经安装好操作系统，跳过该步）
1、下载系统
推荐Ubuntu官网下载Ubuntu16.04,网址为：https://www.ubuntu.com/download/alternative-downloads
选择Desktop版本即可，服务器选择服务器版本
2、制作启动盘
参考网址：https://blog.csdn.net/yaoyut/article/details/78003061
3、安装操作系统
改引导，设置分区什么的此处不多讲，如果有需要双系统或者其他什么的入群交流细谈
安装参考：https://blog.csdn.net/weixin_40494464/article/details/81010256

第二步：安装显卡驱动（以1080TI为例）
1、下载相关依赖项 （大约5分钟完成）
说明：为了保证你的环境一步到位，不出现错误，建议你以下步骤严格执行
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

2、安装显卡驱动相关（大约5分钟完成）
sudo apt-get remove --purge nvidia*
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo service lightdm stop
注意这一步操作后会进入命令模式，这个文档你最好截图，不然下面命令你看不见了
sudo apt-get install nvidia-(版本号,384，和cuda上面对应，建议安装cuda9.0,cudnn7.0.5 驱动自己查对应cuda9.0的编号，一般来说安装384都可以，具体官网查询)
reboot
nvidia-smi 此时你会看到显卡驱动已打好

3、安装cuda和cudnn
再次说明：经过实测，Darknet或其他原因，对Cuda9.2及以上版本支持得不怎么好，建议安装Cuda9.0+Cudnn7.0.5
首先，下载cuda9.0和cudnn7.0.5
cuda9.0网址：https://developer.nvidia.com/cuda-90-download-archive
cudnn7.0.5网址：https://developer.nvidia.com/rdp/cudnn-archive
下载完毕进入该文件目录，执行下面命令。
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev （安装依赖项，保证不出错！）
sudo sh +cuda文件名，开始安装cuda,注意：首先点接受，第二步要你安装显卡驱动的时候一定点N，后面的步骤都点Y和回车就好，注意看看生成链接的位置，不出意外的话为：/usr/local/cuda-9.0/

配置环境变量
sudo gedit ~/.bashrc
export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64$LD_LIBRARY_PATH
source ~/.bashrc
验证安装正确与否：
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果显示了显卡和cuda信息，恭喜！ 如果不正确，卸载Cuda，检测错误重装，卸载方法进入/usr/local/cuda9.0/bin下面的有个卸载的文件，运行即可

安装cudnn
tar -zxvf cudnn文件名 解压cudnn的文件，然后执行下面命令，注意你的当前路径一定是在cudnn的文件同目录
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

第三步：验证Darknet
1、官网下载源码和权重文件 https://pjreddie.com/darknet/yolo/
2、为了显示效果，安装python版本的OpenCV，当然其他版本也行，这儿安装很简单，一条命令：
pip3 install opencv-python (python3，python2也可,自行定夺)
3、修改编译文件makefile，主要涉及参数为是否打开GPU、摄像头和使用OpenCV等，makefile文件注释群里分享
4、make clean 后make
5、参照官网命令，运行Darknet示例程序

千里之行始于足下，第一步很关键，迈出去，迈得有力，迈得踏实！加油，老铁。
致谢：感谢群友的大力支持，我们共同努力，打造和谐奋进的对象检测交流群