VS2017配置darknet环境配置【目标检测】

最新推荐文章于 2022-01-17 21:23:37 发布
最新推荐文章于 2022-01-17 21:23:37 发布
阅读量610 收藏 6
点赞数
分类专栏： 目标检测 深度学习 图像处理
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_38641985/article/details/117227981
版权
该博客详细介绍了如何配置CUDA和OpenCV环境，包括在VS2017中打开darknet项目，修改CUDA和OpenCV的路径，解决找不到文件的错误，如cudaStreamCaptureModeGlobal和opencv.hpp，以及cudnn.h。通过修改属性页和链接器设置，成功编译darknet项目，并解决了msb372错误。最后，调整CUDA版本以适配硬件。
摘要由CSDN通过智能技术生成

项目下载

https://github.com/AlexeyAB/darknet
在这里插入图片描述

进入工程目录,darknet\build\darknet

在这里插入图片描述

找到darknet.sln,vs2017打开

在这里插入图片描述
此处改为
在这里插入图片描述

修改属性页

在这里插入图片描述

cuda位置

在这里插入图片描述

opencv配置

包含目录

在这里插入图片描述

用属性下的VC++目录，右边会有包含目录和库目录，点击包含目录，添加以下三条路径，其实这些都是刚才OpenCV相关解压文件所在的目录
opencv\build\include
opencv\build\include\opencv2\core
opencv\build\include\opencv2

库目录

在这里插入图片描述
opencv\build\x64\vc14\lib

链接器

在这里插入图片描述
选择输入，会在右侧看到附加依赖项，opencv_world452d.lib

修改文件

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

CUDA 10.0.props CUDA 10.0.targets

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

四个文件全部复制到第二个目录

Makefile

在这里插入图片描述
在这里插入图片描述

生成解决方案

在这里插入图片描述

darknet\src\network_kernels.cu"”已退出，返回代码为 1

在这里插入图片描述
在这里插入图片描述
打开network_kernels.cu，使用快捷键ctrl+F查找关键词cudaStreamCaptureModeGlobal，只有这一处，删除保存即可

no such file or directory

在这里插入图片描述
找到缺失文件位置，将路径添加进去

opencv2/opencv.hpp": no such file or directory

在这里插入图片描述

“cudnn.h”: No such file or directory

在这里插入图片描述

msb372返回代码为1

在这里插入图片描述CUDA10.0 , compute_75,sm_75 ，根据实际情况型号修改。

最后结果

在这里插入图片描述

佐倉
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
Ubuntu18.04配置darknet环境实现YOLOv4目标检测(二)——基于python进行YOLOv4 inference
01-20
完成上一篇https://blog.csdn.net/linghu8812/article/details/100867702YOLOv4环境配置后，可基于python进行YOLOv4的inference，查看YOLOv4的检测结果。需要用到的库有darknet目录下的darknet.py文件，以及编译出来...
Windows配置深度学习Darknet框架，用yolo实现目标检测
04-17
在Windows环境下配置Darknet框架，用于深度学习的目标检测任务，主要涉及到多个技术栈的集成，包括Darknet框架、CUDA、cuDNN以及OpenCV。以下将详细介绍这些组件以及配置过程。 1. **Darknet框架**：Darknet是一个...
在vs2017中使用opencv4.0调用darknet框架模型
DoctorCuiLab的博客
05-21 2359
在vs2017中使用opencv4.0工具调用Darknet框架模型前言VS2017的下载及安装下载安装opencv4.0的下载及安装opencv4.0调用darknet框架模型的实例1. 在vs2017中创建项目2. 配置属性表3. 编写例子结束语 前言 在Linux操作系统中，用Darknet框架已实现目标检测模型训练，同时希望在windows系统中用到已训练的模型并实现目标的检测，这时将用到...
win10+VS2015+opencv3.4.3调用darknet模型
haimianjie2012的专栏
04-12 1518
opencv必须大于等于3.4.2 opencv在线文档： https://docs.opencv.org/trunk/db/d30/classcv_1_1dnn_1_1Net.html#a98ed94cb6ef7063d3697259566da310b 参考文章： https://blog.51cto.com/gloomyfish/2095418 https://blog.csdn.n...
VS2015 Run DarkNet的Demo
Trachelium123的博客
08-25 214
Windows10 + VS2017 编译 darknet
weixin_57925958的博客
06-08 367
darknet源码：https://github.com/AlexeyAB/darknet
YOLO v4安装并训练自己数据集（Ubuntu16.04）
chery的博客
04-29 1953
YOLO v4安装并训练自己数据集（Ubuntu16.04） YOLO v4的安装基本与YOLO v3相同，作者基本上在YOLOv3的版本基础上进行修改，安装上基本上大同小异，下边简单介绍安装要求。 文章目录 1. 安装要求 CMake >= 3.8 使用如下命令可以查看自己系统的CMke版本号。 cmake --version CUDA 10.0 使用如下命令查看CUDA版本信息。 cat /usr/local/cuda/version.txt OpenCV >= 2.4 使用
darknet-YoloV4
08-10
7. `darknet.py`：Python接口，用于在Python环境中调用Darknet库执行目标检测。 8. `darknet_images.py`：一个Python脚本，演示如何使用Darknet进行图像目标检测。 9. `darknet_video.py`：另一个Python脚本，用于对...
HI3516DV300进行YOLOV3实时目标检测
02-01
在本项目中，HI3516DV300被用作硬件平台，为YOLOv3目标检测算法提供运行环境。 YOLOv3（You Only Look Once version 3）是一种基于深度学习的目标检测算法，由Joseph Redmon等人于2018年提出。YOLOv3相较于其前代...
YOLO通用目标检测.pdf
最新发布
06-04
#### 三、编译与环境配置 **推荐操作系统：** Ubuntu 18.04 - **CMake**：至少版本3.8。 - **CUDA**：至少版本10.0。 - **OpenCV**：至少版本2.4。 - **cuDNN**：对于CUDA 10.0及以上版本，cuDNN至少版本7.0。 - **...
运行yolo时，莫名出现cuda error的解决办法
一新新的小白的博客
09-12 2万+
最近在加载yolo模型时，总是无缘无故出现cuda error的错误，初步判断为环境问题，所以讲yolo编译中需要注意的问题总结如下： 一、Darknet编译使用GPU要求显卡是Nvidia卡并且正确安装了CUDA。 GPU环境下的编译配置都是在 /darknet/Makefile 文件中定义的，GPU环境的编译有3点更改需要注意。 1. 更改Makefile前两行GPU和CUDNN的配置：...
CUDA Graph（创建静态图加快后续多次启动速度）
smartcat2010的博客
03-28 6005
博客原文 应用场景：多次迭代（每次迭代执行的任务图都一样） 假设：shortKernel是一个运行时间极短的kernel 1. 初始版本： define NSTEP 1000 #define NKERNEL 20 // start CPU wallclock timer for(int istep=0; istep<NSTEP; istep++){ for(int ikrnl...
【CUDA】常见错误类型cudaError_t
热门推荐
人工智能算法与工程实践
01-26 3万+
整理下NVIDIA官方文档中列的CUDA常见错误类型。 错误类型说明 cudaSuccess = 0 API调用返回没有错误。对于查询调用，这还意味着要查询的操作已完成（请参阅cudaEventQuery（）和cudaStreamQuery（））。 cudaErrorInvalidValue = 1 这表明传递给API调用的一个或多个参数不在可接受的值范围内。 cudaErrorMemoryAllocation
DarkNet安装配置
qq_34240459的博客
04-08 685
1.下载DarkNet源码 git clone https://github.com/pjreddie/darknet 2.下载完打开源码中的makefile文件，按需添加配置，就是把具体配置后面的数字0改成1，这里我用了opencv的配置项 3.回到darknet目录，进行编译，直接make就成 ~/darknet$ make 4.测试一下安装是否成功 ./darknet ...
内涵：目标检测之ＤarkNet－ＤarkNet使用
算法工程师进阶之路
11-10 5895
目标检测－ＤarkNet使用引言１. ＤarkNet的安装2. Ｙolo的介绍2.1 与Ｆocal Loss相比，性能领先2.2 以极低的代价实现速度与精度的trade-off2.3 产业界的广泛应用功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导
darknet配置【Win10+VS2017+OpenCV3.2.0+CUDA9.2+cuDNNv7.6.3+1050Ti】
qq_35238352的博客
09-25 840
零.准备工作 踩了坑之后自然要记录一下…也方便重装系统之后再把环境配回来。（顺便给和我一样的小白盆友们减少点配环境的负担…） 本文配置环境的前提是已经安装好CUDA9.2且已经安装好VS2017、VS2017中有C++开发相关组件。 那么如何判断自己已经装好了CUDA呢？在win10右下角的任务图标里，有一个图标。 单击进去之后找“系统信息”。 然后再点进去就可以看到自己的CUDA版本了。 ...
darknet在VS2017下编译报错的解决方法
白色涟漪裙
08-07 2537
安装好CUDAv9.2和CuDNN后，发现VS2017编译darknet工程时，报如下错误： 查询相关资料后发现主要是由于CUDA驱动和VS2017不兼容导致了。在工程属性里面做如下修改即可：  ...
vs2019使用Darknet调用YOLOV3模型并测试（CPU+GPU）
W9XM96的博客
01-17 2265
在vs上利用Darknet实现yolo模型的调用，很详细！
Windows环境下YOLOv4目标检测实战指南
"YOLOv4的实战应用教程，涵盖了在Windows 10环境下搭建YOLOv4目标检测系统的全过程，包括所需的软件配置、CUDA和cuDNN的安装，以及环境变量的设置。" YOLOv4是一种高效且准确的目标检测算法，广泛应用于图像识别和...
评论 2
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

打赏作者

佐倉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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