Ubuntu16.04安装cuda cudnn,配置YOLOv3,以及遇到的坑

前两天在windows上装好YOLOv3，然后就想着给Ubuntu也装一个，我全都要。然而不得不说，版本没弄对，装个cuda都难。我的系统是Ubuntu20.04的系统，由于YOLOv3需要配置cuda和cudnn等，于是乎就把Anaconda给卸载了，重新开始安装cuda和cudnn等。悲剧也从这里开始了。先是显卡驱动跟cuda版本对不上，后面又是gcc版本太高不支持，各种删显卡驱动重装，卸载cuda重装，删系统重装，然并卵。装系统，下软件，找资料，几天下来掉了不少头发。于是乎放弃了Ubuntu20.04，重新安装Ubuntu16.04版本。好家伙，不试不知道，一试吓一跳，从头到尾安装下来一气呵成，就没失败的地方，搞了这么久原来是版本问题，可惜掉了这么多头发。

安装cuda

cuda我是参照下面这篇博客装的：
https://blog.csdn.net/wf19930209/article/details/81879514

一定要从头到尾一步一步安装，里面没提到的，还有我碰到的坑，在下面解释一哈子：
1、首先系统最好还是弄成能跟cuda适配的，怎样装Ubuntu16.04我写在博客中了,cuda9.0下载地址https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64。不要下上面博客中的那个，那是11.0的
2、显卡驱动可以直接在Ubuntu16.04的 设置->软件和更新->附加驱动 中安装，选择相应驱动，点击应用更改就开始下载了，下载完重启一下。如果不安装显卡驱动，在禁用nouveau以后分辨率会变小。选择的cuda的安装包就要根据这个驱动的版本来选择，因为都是大于等于，你安装的驱动版本不能低于你选择的cuda对应表上驱动的版本。注意，你是linux这一栏。

3、禁用nouveau可以参考：
https://blog.csdn.net/littlehaes/article/details/103051674
vim 需要用apt-get install vim下载，或者也可以用gedit来修改文本代码。
我在安装vim时碰到镜像源连接不上的问题，后来把镜像源换成阿里云的镜像再下东西，速度是真香啊。换镜像源的教程百度上很多，可以搜索一下，改完镜像源以后记得update一下，有些文章中没有提。
vim打开文本以后，按Insert键进入插入模式，就能对代码进行编辑了，编辑完以后按Esc退出插入模式，输入“：”冒号，在冒号后面输入，q表示不保存退出，wq表示保存并退出，后面加个感叹号就变成强制执行。（q!,wq!）
4、安装gcc通过apt-get似乎只能获取一个适合当前系统的版本，无法指定版本，Ubuntu20.04只能下载gcc9.3.0,这个版本的gcc对于cuda10.0来说版本太高了，这就是我重新下载Ubuntu16.04的理由，而Ubuntu16.04对应的是5.4.0。可以自己上百度搜一下cuda和gcc，cuda和显卡驱动对应的关系表。cuda9.0的表上已经指出支持Ubuntu16.04和gcc5.3了。
5、alt + ctrl + F1如果进不了tty，可以试试alt + ctrl + F2，alt + ctrl + F3等。
6、sudo ./cuda_9.2_linux.run --no-opengl-libs 不能跑的话加个sh在中间。
7、Toolkit没装起来在最后加个 -override试试。
8、安装cuda时，opengl不要装，显卡驱动如果之前已经装好，也不要装。
9、改完环境变量最好用 source <修改的环境变量文件> 立即生效一下。

安装cudnn

安装cudnn的博文很多，基本都一样，我是按照下面这篇博文来的，一步一步按照上面来就可以。
https://www.cnblogs.com/liuwenhua/p/11521668.html

darknet 配置和测试

下载darknet并运行Makefile：

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

如果没有指定路径的话，dark的文件夹会被下载到主目录 /home 下。

下载YOLO模型权重文件：

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

如果下载的太慢可以去网上找资源，有很多已经下好的放在网盘中的。
下载完以后，将下载好的 yolov3.weights 文件移动至darknet文件夹中，接着终端输入：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

运行了20秒才出的预测结果，因为这是cpu跑的，跑的比较慢。

改成GPU：
打开darknet目录下，Makefile：

degit Makefile

改成：

GPU=1 
CUDNN=1
OPENCV=1 （如果安装了opencv，可以设置为1。因为我还没安装opencv，所以我没有改成1）
NVCC=/usr/local/cuda-9.0/bin/nvcc    (按自己的cuda版本和路径来填)

改完保存，然后终端进入darknet文件夹，重新make。
再次终端输入：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

发现这次预测很快就完成了，可见gpu的高效。
预测结果会出现在darknet文件夹中，打开predictions.jpg：
由于这个图片是darknet自带的，所以不太放心，自己又去百度上找了张图片来预测，图片放到data文件夹，把上面那段程序改一下运行：

牛逼！