Ubuntu笔记(五)-Ubuntu20.04安装Darknet

Ubuntu嵌入式Qt编程+目标检测项目实战_超详细教程(亲自实践)

Ubuntu笔记(五)-Ubuntu20.04安装Darknet和测试

本文作者Lawrence，位置未经作者允许禁止转载，谢谢！
以下所有内容，均来源于亲自实战和查询相关资料。

---

前言

本文主要介绍Darknet基本知识，实战Ubuntu20.04虚拟机上完成的安装和测试。

---

一、Darknet是什么？

Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速、易于安装，并支持 CPU 和 GPU 计算。Darknet是一个比较小众的深度学习框架，主要靠作者团队维护，独有的优点：

1. 易于安装：在makefile里面选择自己需要的附加项（cuda，cudnn，opencv等）直接make即可，几分钟完成安装；
2. 没有任何依赖项：整个框架都用C语言进行编写，可以不依赖任何库，连opencv作者都编写了可以对其进行替代的函数；
3. 结构明晰，源代码查看、修改方便：其框架的基础文件都在src文件夹，而定义的一些检测、分类函数则在example文件夹，可根据需要直接对源代码进行查看和修改；
4. 友好python接口：虽然darknet使用c语言进行编写，但是也提供了C++/python的接口，通过python函数，能够使用python直接对训练好的.weight格式的模型进行调用；
5. 易于移植：该框架部署到机器本地十分简单，且可以根据机器情况，使用cpu和gpu，特别是检测识别任务的本地端部署，darknet会显得异常方便。
   

关于darknet有如下两个版本，pjreddie版本和AlexeyAB，在github上发布的源码。
pjreddie版本是鼻祖，非常经典，一开始在github上最热的开源项目，在linux系统下做的：

• 下载并备齐：darknet、选配yolov3.weights + yolov3.cfg、…
  依赖环境：C++、OpenCV、python、… 编译情况：下载源文件，需要make进行编译后，才能使用
  支持：linux系统（最先支持） + windows + CPU + GPU(可适用于英伟达)

不过，发展到2022年，个人认为已经淘汰了，它只支持Yolov3版本，而Alexey大神版本的，支持yolov3，v4，v7，不仅进一步优化了Darknet，而且支持windows和linux。
一开始github在windows系统下做的，现在各个大神改版也有在linux下使用了。

• 下载并备齐：darknet、选配yolov3,4,7.weights + yolov3,4,7.cfg、…
  依赖环境：C++、OpenCV、python、… 编译情况：下载源文件，需要make进行编译后，才能使用
  支持：windows系统（最先支持） + linux + CPU + GPU(可适用于英伟达)

安装Darknet前，最后已经配置好opencv4，可以参照本人之前的博客笔记，darknet 的运行结果会直接显示，因此建议先 安装 opencv。

二、Darknet安装

1.CPU版本的安装

在Ubuntu上，命令行依次执行如下命令，

git clone https://github.com/AlexeyAB/darknet
cd darknet

**修改MAkeFile文件：**修改相应的参数，对于一般的电脑，修改如下几个参数：

(1)GPU=1，采用GPU加速，采用CUDA进行编译；
(2)CUDNN=1，采用cuDNN v5-v7进行编译，进行加速训练；
(3)CUDNN_HALF=1，在Volta, Xavier及更高版本上使用；
(4)OPENCV=1，使用OpenCV，支持各个版本的OpenCV(4.x/3.x/2.4.x)。
(5)LIBSO=1,是否生成动态链接库文件，用于C++工程调用。

本人使用的是CPU版本，对于的参数修改如下：

GPU=0
CUDNN=0
CUDNN_HALF=0
OPENCV=1
AVX=0
OPENMP=0
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

# set GPU=1 and CUDNN=1 to speedup on GPU
# set CUDNN_HALF=1 to further speedup 3 x times (Mixed-precision on Tensor Cores) GPU: Volta, Xavier, Turing and higher
# set AVX=1 and OPENMP=1 to speedup on CPU (if error occurs then set AVX=0)
# set ZED_CAMERA=1 to enable ZED SDK 3.0 and above
# set ZED_CAMERA_v2_8=1 to enable ZED SDK 2.X

修改完后，在darknet目录下，进行编译

cd darknet
sudo make

如下图所示，表面Darknet安装成功。

总之。要看Darknet的应用环境了，如果是嵌入式边缘计算，动态实时性检测要求比较低，或者时在虚拟机Ubuntu上使用，建议安装CPU版本，如果是工业应用或者算力要求比较高，需要GPU加速计算的，则安装GPU版本，安装时主要体现在Makefile文件中参数的设置。目前来说本专栏的项目都是在CPU环境下运行检测模型，暂时不用GPU，如果有机会的话，专栏后续会更新GPU版本的安装详细步骤的踩坑实录。

2、GPU版本的安装

2.1、安装cuda和cudnn

暂无，后续再更新。

2.2、修改MakeFile文件

暂无，后续再更新。
可参考其他博客安装步骤：
https://blog.csdn.net/qq_28640763/article/details/109259713

3.Darknet源码常用的执行命令

/darknet$
(1)测试一张图片---detect
./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/person.jpg
./darknet detector test cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights data/person.jpg

(2)测试本地视频---demo
./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights wp_video/person002.mp4

(3)测试usb视频---
./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights

(4)测试rstp视频---
./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:[email protected]?.??/H.264/ch1/sub/av_stream -i 0 -thresh 0.25

./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg weights/yolov3.weights rtsp://admin:[email protected]?.??/H.264/ch1/sub/av_stream -i 0

-----------to test many pics------------------------
./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 2 #CPU  enter
Enter Image Path:

./darknet detect cfg/yolov3.cfg weights/yolov3.weights -i 0 #GPU  enter
Enter Image Path: 

4、测试是否安装成功

首先，下载好对应的权重文件，下载地址：https://github.com/AlexeyAB/darknet/releases/tag/yolov4
作者主要下载了Yolov4,7的weights文件，利用步骤3中的Darknet源码常用命令：

./darknet detect cfg/yolov4.cfg weights/yolov4.weights data/dog.jpg 

进行测试，如下图所示，表示Darknet测试成功

---

总结

本文Darknet的安装和简单测试，记录了安装时候踩过的坑，后续所有目标检测功能测试都是基于此环境下进行实战演练。后续文章将主要介绍Yolov4和v7的使用，Qt中C++调用，亲自实战，有问题欢迎大家评论并联系我，喜欢的话记得点赞哦！