关于deeprt+yolov4,运行后未被标记(无显示框)

关于deeprt+yolov4,运行后未被标记(无显示框)
1.deepsort+yolov4

git clone https://github.com/theAIGuysCode/yolov4-deepsort.git
创建一个conda环境
该下载插件就下载插件 

cd yolov4-deepsort

将yolov4.weights 和 yolov4-tiny.weights 放入./data/ 进行 转换模型

python save_model.py --model yolov4

感觉一切顺利


python object_tracker.py --video ./data/video/test.mp4 --output ./outputs/demo.avi --model yolov4  (这是yolov4的,不是tiny的)

2.无显示框
我看了看官方的环境,然后跟我的对比一下,后面蓦然发现,人家装的cuda是10.1.而我的cuda是10.0
所以 问题就在这,cuda版本不同!!
重装完cuda,之后再去转换环境,就发现能运行了
请添加图片描述
(未重装cuda的时候)
请添加图片描述
(重装完,然后重新跑了一遍)

需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:原理与源码解析》,课程链接 https://edu.csdn.net/course/detail/29865【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!  代码阅读是从基础到提高的必由之路。尤其对深度学习,许多架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码,具体内容包括:- YOLOv4目标检测原理- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器:BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《YOLOv4目标检测:原理与源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:《YOLOv4目标检测实战:训练自己的数据集》《YOLOv4-tiny目标检测实战:训练自己的数据集》《YOLOv4目标检测实战:人脸口罩佩戴检测》《YOLOv4目标检测实战:中国交通标志识别》建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
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