在ubuntu18.04配置darknet（opencv+cuda+cudnn）

ubuntu18.04安装darknet（使用GPU）

ubuntu是购买了服务器，用vscode进行远程连接
说多了都是泪！

注意事项

由于服务器下载较慢，建议在本机下载好以后上传到服务器中

安装顺序

• opencv
• CUDA
• darknet

如果安装顺序不对，会出现很多麻烦，openCV一定要在cuda前面安装，不然报错很难解决只能重装系统！！！（目前我也安装失败了）

1、Opencv源码下载

OpenCV网站：https://github.com/opencv

找到opencv和opencv_contrib库

在releases中找到需要的版本

在opencv_contrib选择相对应的包下载即可

下载完成后将二者合并放在/home/目录下

安装依赖

#更新源，安装软件包
sudo apt update && sudo apt install -y cmake g++ wget unzip

#安装依赖
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev
sudo apt-get install libgtk2.0-dev
sudo apt-get install pkg-config

创建build文件夹并执行cmake

#创建一个文件夹
mkdir build
cd build
#注意文件包的路径和名称是否和命令对应
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DOPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.4.15/modules ..
#这里会从github上下载一些文件，如果终端加入代理的话会很快，没有代理需要自己下载文件。只要终端不报红色就没啥问题。

编译

make -j8 #性能不好的电脑可以选择-j4，数字越大编译的速度越快

安装到系统

sudo make install

添加路径

sudo gedit /etc/ld.so.conf.d/opencv.conf

写入：

/usr/local/lib

之后再终端输入以下命令：（安装完成某个工程后生成许多动态库，该命令是为了让这些动态链接库为系统所共享）

sudo ldconfig

使其保存并生效，再在终端输入：

sudo gedit /etc/bash.bashrc

在文件后末尾输入：

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

退出保存，更新环境变量：

source /etc/bash.bashrc

测试安装的文件

进入opencv/samples/cpp/example_cmake目录下，终端打开，依次输入：

cd ../samples/cpp/example_cmake
cmake .
make
./opencv_example

2、在服务器安装cuda和cuDNN

首先用sudo apt-get --purge remove cuda-*卸载预装好的的cuda和cudnn，然后去cuda官网下载点这里

然后按照图片上一样（不要输入指令下载会很慢）

把下载好的三个文件传到服务器中

然后下载cudnn相应版本并上传（点这里 需要注册完之后然后下载）

上传完毕后打开终端到上传文件夹：

sudo sh cuda_10.2.89_440.33.01_linux.run

出现一个界面后，输入accept回车，不要安装driver，下方向键选择到driver这个选项然后回车，然后向下选择到install回车，安装完成后会出现summary，只要没报错就无伤大雅

加入环境变量

gedit ~/.bashrc
# 在最后加入两行：（按照安装提示修改成自己的路径）
	export PATH=/usr/local/cuda/bin:$PATH
	export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
# 保存退出之后，运行:
source ~/.bashrc

接着

sudo sh cuda_10.2.1_linux.run
sudo sh cuda_10.2.2_linux.run

接下来和上面的流程一样

安装cuDNN

tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz #注意自己的文件版本
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 /usr/local/cuda/lib64/libcudnn*

至次，gpu环境配置完成

3、下载darknet源码

首先判断电脑下载的是哪个版本的cuda和cuDNN，因为darknet有两个版本，第一个版本不支持8以上的cuDNN

查看cuda版本

nvcc —V

查看cudnn版本

由于版本不同，所以都可以试试

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
1

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
1

sudo find -name "cudnn_version.h"

sudo cat [这里换成上一个命令得到的位置] | grep CUDNN_MAJOR -A 2

下载源码

1、https://gitcode.net/mirrors/pjreddie/darknet?utm_source=csdn_github_accelerator

2、https://gitcode.net/mirrors/alexeyab/darknet?utm_source=csdn_github_accelerator

当cuDNN大于8.0用第二种，不然会有报错编译不通过

开始配置

修改Makefile文件

GPU=1      #使用gpu
CUDNN=1    #支持cuda
CUDNN_HALF=0  
OPENCV=1   #使用opencv
AVX=0     
OPENMP=1	# 使用多线程训练
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

修改完后再daknet根目录下可以开始编译

（每次修改配置后需要清理重新编译）

make clean && make -j8

测试是否编译成功

./darknet
#若出现 usage:./darknet<fuction>，则证明成功

测试实例

先去官网下载官方权重文件

https://github.com/AlexeyAB/darknet/releases/tag/yolov4

下载出来的权重文件放到darknet根目录的cfg文件夹中，输入命令

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

出现以上内容就安装成功了