极简darknet环境搭建记录

《极简darknet环境搭建记录》

  darknet的环境搭建已经非常简单了，但是偶尔的一点小坑，可能会浪费一些时间，比如编译的时候使用CUDA报错，或者没找到OpenCV…简单记录一下，以后用的时候参考方便。

Key Words：darknet环境搭建、CUDA算力、通过pkg-config找到OpenCV


Beijing, 2020

作者：RaySue

Code：https://github.com/pjreddie/darknet

Agile Pioneer  

---

修改MakeFile

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
AVX=0
OPENMP=1
LIBSO=1  # 生成libdarknet.so
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

...

# 根据你自己的GPU型号来选择
ARCH= -gencode arch=compute_30,code=sm_30 \
      -gencode arch=compute_35,code=sm_35 \
      -gencode arch=compute_50,code=[sm_50,compute_50] \
      -gencode arch=compute_52,code=[sm_52,compute_52] \
      -gencode arch=compute_61,code=[sm_61,compute_61]
        
...

---

CUDA 算力设置

• 如果使用 GPU 就需要设置 ARCH，如果设置不当就会导致编译问题，这是由于不同型号的 GPU 对应着不同的算力，但是是向下兼容的，所以编译程序的时候需要注意一下。

  GPU有个重要参数，计算能力，计算能力的值对应GPU的“代”值，如计算能力3.0，对应的“代”为sm_30，也对应kepler架构。

  比如：compute_30以上的程序，计算能力高的GPU可以运行编译成低代的程序，反之则不行，如计算能力6.1的GPU可以运行编译成compute_30，sm_30的程序，而-arch=compute_30;-code=sm_30在计算能力3.0及以上的GPU都可以运行编译的程序。但计算能力2.0的GPU就不能运行了。

  –generate-code保证用户GPU可以动态选择最适合的GPU框架。

---

OpenCV pkg-config 配置

export PKG_CONFIG_PATH=/export/gpudata/surui/opencv-3.4.1/release/lib64/pkgconfig

配置好 PKG_CONFIG_PATH 变量后，下面两条命令就有值了

• pkg-config --cflags opencv

  • 得到所有的头文件的目录位置

• pkg-config --libs opencv

  • 得到库文件的目录位置，以及所有的依赖库的名字

---

编译

• make -j31

---

参考

1. Matching CUDA arch and CUDA gencode for various NVIDIA architectures

2. pkg-config