Windows10+Darknet+YOLOv3训练自己数据（GPU）——2.CUDA+cuDNN+Darknet框架配置

最新推荐文章于 2023-05-21 00:26:28 发布
置顶 最新推荐文章于 2023-05-21 00:26:28 发布
阅读量1.3k 收藏 8
点赞数 2
分类专栏： Projects 文章标签： python 深度学习 windows
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34241387/article/details/108485573
版权
本文详细介绍了在Windows10系统下，如何配置CUDA 9.0、cuDNN 7.1和Darknet框架，以利用GPU加速YOLOv3模型的训练。通过解决各种配置问题，最终成功生成darknet.exe文件。
摘要由CSDN通过智能技术生成

2.CUDA+cuDNN+Darknet框架配置

阅读本文前请先阅读：

Windows10+Darknet+YOLOv3训练自己数据——1.数据集准备

第一次尝试了博主基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型，我有2000张图片，训练时粗略计算了一下需要750+h的时间，整整31个昼夜啊！！！万一最后模型不理想，那岂不是要搞好几个月。所以后面果断放弃，如果训练样本少的小伙伴可以尝试此法，的确很便捷。

第二次基于Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系统，所以看了很多博文，都无法正确完成配置，所以本文将详细讲解Windows系统的darknet框架配置。

电脑环境：
Windows 10 64位（查看方式：此电脑——右击选择属性）
NVIDIA GeForce GT 730 (查看方式：控制面板——设备管理器——显示适配器)
GT 730 支持CUDA的最大版本：CUDA 10.1

很多博客说需要下载与 GT 730 支持的版本一直的CUDA和cuDNN，即10.1，然而我尝试了2次均会出错&#

最低0.47元/天 解锁文章
田家大院院士
关注
专栏目录
实用！使用darknet版YOLOv3训练自己的数据(GPU版)，超详细！
ethan_sui的博客
04-01 1万+
分两部分，第一部分是环境的配置，第二部分是算法的使用 一、环境配置（本人使用的ubuntu16.04系统） 安装Nvidia显卡驱动 添加ppa源: $　sudo add-apt-repository ppa:graphics-drivers/ppa 更新一下: $　sudo apt-get update 安装驱动： $　sudo apt-get install nvidia-xxx　　　...
yolo目标检测windows下GPU版本配置和模型训练(一)
好想去看海
11-20 1343
首先现在CUDA和CUDNN并安装，我下载的是10.1版本，这里分享百度网盘链接: 链接：https://pan.baidu.com/s/1BhzlC9WUmHlyOLHsFlaKLw 提取码：nk89 有两个版本的yolo 第一个是基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型 第二次是Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系统，所以看了很多博文，都无法
Win10搭建GPU版Darknet——VS2019+CUDA+CUDNN篇
kamille1024的博客
10-29 2050
一.理论知识介绍 为了更好的理解gpu必要性，参考了一位博主的介绍，并对主要内容进行总结如下(如有要详细了解原理的，文末放置原博主链接)： 1.1 CPU与GPU的区别 CPU和GPU不同之处在于其设计目标的不同。CPU需要很强的通用性来处理各种不同的数据类型，同时又要进行逻辑判断引入大量分支跳转和中断处理，使CPU的内部结构异常复杂。而GPU面对的则是类型高度统一、相互独立的大规模数据和不需要被打断的计算环境。 CPU擅长逻辑控制，串行的运算。和通用类型数据运算不同，GPU擅长的是大规模并发计
【回忆帖】Win10系统 VS2017 + OpenCV4.1.0 + CUDA + cudnn + Darknet + Yolo-v4 安装&配置
最新发布
qq_43190332的博客
05-21 1003
计算机视觉：从环境配置到转行炒粉
darknet-yolov3、yolo-fastect使用rtx30系显卡cuda环境在win10平台编译与训练的相关问题
sin_404的博客
03-26 1760
看我这个标题，就知道是踩了多少的坑 win10跑darknet，还用的是tm的3060，我一度想把它丢了换20系，好直接下载git上编译好的cuda10版本 1. cmake 编译无法找到cuda，nofound问题。 ：这个问题可能是你安装cuda的时候没有选关联vs的那个组件有关。我出现这个问题是因为安装cuda账户不是当前账户导致的，最后选择重装了cuda 后面看到大佬拷贝这个目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v1.
Ubuntu18.04安装CUDA10.2 CUDNN7.6.5 部署基于darknet框架的YOLOV4并进行CPU以及GPU测试
wyl的博客
01-26 5240
Ubuntu18.04部署基于opencv3.4.4 及 darknet框架的YOLOV4 再安装CUDA CUDNN 用GPU跑和训练模型部署基于opencv3.4.4 及 darknet框架的YOLOV4一、首先进行OPENCV3.4.4的安装二、下面需要进行darknet部署和yolov4权重的下载三、CPU编译，用官方训练好的权重文件进行编译对图片进行识别安装显卡驱动及检查安装是否成功安装cuda及检查安装是否成功安装cudnn及检查安装是否成功 部署基于opencv3.4.4 及 darknet框
Windows10+Darknet+YOLOv3训练自己数据（GPU）——1.数据集准备
qq_34241387的博客
09-09 838
1.创建VOC数据集 VOC数据集是YOLO模型训练的传统标准文件格式，在模型训练前首先需要创建自己的VOC数据集。下载Pascal VOC数据集，可以把官方下载的VOC数据集里面的内容删除，只保留各个文件夹，然后将自己数据放置在对应的文件夹中。该文件夹的主要内容如下所示： └── VOCdevkit #根目录 └── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的 ├── Annotations #存放xml文件，与J
Windows10+Darknet+YOLOv3训练自己数据（GPU）——4.开始自己数据训练
qq_34241387的博客
09-09 1132
4.开始自己数据训练 本篇主要参考该博文。我们在第一篇文章中已经准备好了JPEGImages和Annotations文件，下面准备模型训练需要的其他文件。 （1）用python创建Main目录里面的train.txt,val.txt,test.txt和trainval.txt这四个文件。 ...
Windows10+Darknet+YOLOv3训练自己数据（GPU）——3.已有模型测试
qq_34241387的博客
09-09 808
3.已有模型测试 （1）下载yolov3.weights并放到同darknet.exe的目录下，下载链接。 （2）cmd打开电脑终端，通过cd指令一步步跳转至darknet.exe文件夹，如下： F:\darknet-master\darknet-master\build\darknet\x64> 自己下载一张图片，保存至x64\data文件夹下，我的命名为custom.jpg，然后运行命令： F:\darknet-master\darknet-master\build\darknet\x64&g
【免费】CUDA 10分钟快速入门教程
09-09
10分钟让你快速入门CUDA，让你快速在你的机器上搭建CUDA深度学习环境，快速进行GPU加深你的深度学习。史上最全最快的入门教程，涵盖所有的平台。
windows10 yolov3训练自己的数据.docx
08-03
在Windows 10环境下使用YOLOv3训练自定义数据集的过程相对复杂，但通过合理的步骤和工具可以简化这一过程。以下是一个详细的指南，涵盖了从准备环境到数据标注的各个阶段。 首先，确保你的系统满足YOLOv3训练所需的...
yolov3模型识别不出训练图片_YOLOV3 - 使用 Darknet 训练检测模型
weixin_39583029的博客
12-19 542
YOLOV3 网络结构：1. YOLOV3 Darknet 编译[1] - Clone 项目文件：git clone https://github.com/pjreddie/darknetcd darknet[2] - 根据环境，修改 Makefile 文件，如：GPU=1 # 0 或 1CUDNN=1 # 0 或 1OPENCV=1 # 0 或 1OPENMP=0 # 0 或 1DEBU...
深度学习实战 | WIN10环境下配置Darknet并使用Yolov4-tiny训练Gun-and-Sword数据集
Genms的博客
06-30 1663
目录 一、准备工作 （一）环境配置 1.cuda和cudnn 2. Visual Studio配置 （二）Darknet安装 1. 下载源文件 2. 编译项目 二、使用Yolov3-tiny进行训练 （一）数据集标注 （二）模型配置 1. 模型文件修改 2. 下载预训练权重 （三）模型训练 （四）模型测试及效果 三、参考资料 一、准备工作 （一）环境配置 1.cuda和cudnn 配置cuda11.1+cudnn11.3，这里提供相应的下载链接，可以去官网下最新的，..
【YOLOv4探讨 之六】Darknet Makefile文件解析
北溟客的博客
06-29 2254
Darknet YOLOv4 Makefile在YOLOv3基础上有调整，针对CPU并行计算，CPU加速都有改进。 上篇文章《【YOLOv4探讨 之五】darknet YOLOv4 编译出现cv::imread(cv::String const&, int)’..未定义的引用》（https://blog.csdn.net/qq_41736617/article/details/118256210）抛出一个问题：原版的makefile和使用cmakelist.txt重新cmake之后的makefil
Win10中darknet编译与使用yolo训练自己的数据（GPU版）
yipianbingxinzb的博客
08-28 1605
首先推荐网站darknet编译与数据训练darknet，在该网站中，作者详细的讲述了在window和Linux中darknet的编译与训练自己的数据过程。 根据该作者给出的方案，在win10下采用不同的方式对darknet进行编译，生成darknet.exe文件，并训练自己的数据。如何在win10上编译darknet.exe，作者给出两种方法，一种是using vcpkg，另外一种是legacy ...
Nvidia GeForce GT730不支持Pytorch 1.2.x GPU功能与可能解决办法及Pytorch各版本CUDA Capability兼容列表
cloudflash的博客
10-31 4085
Pytorch计算能力支持情况（GPU-CUDA Compute Capability）
基于GeForce GT 730显卡的Pytorch-GPU环境及Spyder配置
Sisyphus7的博客
09-03 6496
基于GeForce GT 730显卡的Pytorch-GPU环境及Spyder配置、CUDA加速测试
darknet yolo v3 cfg文件及训练过程中参数解析
caojinpei123的博客
10-25 1666
batch:每轮迭代随机选取的样本数量 subdivision:为了减少显存压力，将每个batch分为subdivision组，意味着将一轮迭代中，分subdivision次将图片输入网络进行训练，（即每次送入网络batch/subdivision张图片） 9798： 指示当前训练的迭代次数 0.370096： 是总体的Loss(损失） 0.451929 avg： 是平均Loss，这个数值...
Windows GPU版Darknet YOLOv3：初学者教程与皮卡丘检测项目
本文档详细介绍了如何在Windows GPU环境下利用darknet（特别是yolov3版本）进行深度学习物体检测模型的训练，特别是针对初学者。首先，作者强调了环境设置的重要性，确保使用的是官方推荐的软件版本以避免问题。 1....
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值