个人环境安装完成后的配置总结:
Visual Studio Enterprise 2015;
cuda_10.0.130
cudnn-10.0;
opencv3.4.5
其他相关链接:
yolov4 训练模型操作流程(包含所有资源下载)
yolov3 训练模型操作流程(包含所有资源下载)
Windows下在c++中调用darknet-yolo进行检测
下载coco数据集并训练自己的模型
(利用谷歌提供的虚拟盘)在colab上训练yolo模型(详细操作流程)
0.安装Vsiual Studio2015
链接:https://pan.baidu.com/s/11L4_xgRl_3IRRE6L296Rfg
提取码:2yms
可去官网下载更新版本
1.安装opencv
可以官网下载:https://opencv.org/releases/
若是觉得速度太慢,可以下载opencv3.4.5windows版:
百度网盘:https://pan.baidu.com/s/1IPSDo2ZLqU_GQZuY1Wi3xg 提取码:vqx8
2.安装CUDA Toolkit
关于版本的选择,要关注自身显卡驱动能支持的最高CUDA版本。
查看驱动版本:打开系统———>设备管理器——>显示适配器——>双击查看驱动版本
驱动版本:418.3,当时下载的是10.0版本
下载地址:
CUDA10.1版本:https://developer.nvidia.com/cuda-10.1-download-archive-base
官方安装文档:https://docs.nvidia.com/cuda/
然后一路安装。
3.下载cudnn
cuDNN是一个SDK,是一个专门用于神经网络的加速包,注意,它跟我们的CUDA没有一一对应的关系,即每一个版本的CUDA可能有好几个版本的cuDNN与之对应,但一般有一个最新版本的cuDNN版本与CUDA对应更好。
这里下载的是cudnn7.6.5,官网地址:https://developer.nvidia.com/cudnn
下载完压缩包并解压:里面有3个文件夹:
复制,并粘贴到cuda的安装目录,
一般是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后合并:
4.下载darknet项目:
https://github.com/AlexeyAB/darknet
页面上有非常详细的darkent安装和使用教程
github下载速度过慢,可转移到gitee下载;
或者网盘下载:链接:https://pan.baidu.com/s/1Gmb0dD6QM8hszySdcvrpEg 提取码:avm6
5.使用VS编译darknet项目
先检测系统环境变量:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
打开项目目录下:build\darknet
采用记事本方式修改darknet.vcxproj
,修改CUDA为自己安装的版本:
保存后打开:darknet.sln
模式设置为Release
x64
如果没有CUDA选择,如下:
检查CUDA路径;
加载opencv设置,可参考:https://blog.csdn.net/sazass/article/details/88785117
最后右击项目,点击生成;
然后,当前文件夹下生成一个x64
文件夹
6.验证:
打开cmd控制台,cd到x64目录下
输入darknet.exe detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
出现图像表示安装成功!