win10系统中基于vs2017+opencv3.1.4+cuda+cudnn+darknet配置yolov3

本文详细介绍了如何在Windows环境下,使用VS2017配置OpenCV3.1.4、CUDA和CUDNN,以成功构建和运行Darknet进行Yolov3对象检测。步骤包括下载安装所需软件,配置环境变量,修改VS项目属性,解决编译错误,并最终运行darknet_yolo_v3.cmd验证配置是否成功。
摘要由CSDN通过智能技术生成

vs2017+opencv3.1.4+cuda+cudnn+darknet配置yolov3

  1. 下载,安装vs2017

  2. 下载,安装opencv3.1.4

  3. 在vs2017中配置opencv3.1.4(看我博客opencv3.1.4在vs2017中的配置https://blog.csdn.net/qq_43475606/article/details/104567131)

  4. 下载cuda对应的版本并安装

  5. cuda下载链接
    https://developer.nvidia.com/cuda-toolkit-archive

  6. 下载cudnn对应的版本并安装

  7. cudnn下载链接
    https://developer.nvidia.com/rdp/cudnn-archive

  8. 解压cudnn,并把解压出的cuda(cudnn里面的cuda文件)里面的文件全部复制粘贴在cuda里面(例如我的cuda路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1)

  9. 配置win10的系统变量:此电脑-》属性-》高级系统设置-》高级-》环境变量-》
    选中系统变量中的Path-》编辑-》新建(将cudnn中的bin文件路径加进去,例如F:\cuda10.1\cuda\bin)-》点击确定逐步关闭每个窗口

  10. 下载darknet

  11. darknet下载链接
    AlexeyAB大神的github下载darknet: https://github.com/AlexeyAB/darknet

  12. .用VS2017打开darknet-master/build/darknet/darknet.sln

  13. 右键darknet项目-》属性-》vc++目录-》包含目录,如下图配置

  14. 配置:调整为release,平台:调整为×64

  15. vc++目录-》包含库目录,如下图配置在这里插入图片描述

  16. vc++目录-》库目录,如下图配置

  17. List item

  18. 链接器-》附加依赖项,如下图配置,加入opencv_world314.lib(本人opencv是3.1.4版本)

  19. List item

  20. 配置结束

  21. 将vs2017调整为 release ×64

  22. 点击调试,会在darknet-master/build/darknet/x64生成darknet.exe文件。

  23. 如下图:在这里插入图片描述

编译出现错误提示如下时:

  1. 调试过程中出现项目中缺少cuda10.1.props,保持文件路径什么正确的错误

  2. 解决办法:在安装cuda的文件里面找到下面4个文件复制粘贴到自己安装vs2017中\MicrosoftVisualStudio\2017\Enterprise\Common7\IDE\VC\VCTargets\BuildCustomizations文件夹里面

  3. 如下面2图 配置:

  4. 在这里插入图片描述

  5. List item

  6. 最后下载yolov3的权重文件放在自己解压的darknet-master\build\darknet\x64文件里面

  7. 下载yolov3.weights文件 yolov3.weights文件
    网址https://pjreddie.com/media/files/yolov3.weights

  8. 打开darknet-master\build\darknet\x64文件夹找到darknet_yolo_v3.cmd双击

  9. 出现控制台运行代码即配置成功!!!

  10. 效果图如下
    在这里插入图片描述

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNNCUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDAOpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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