yolo v4 python_YOLOv4: Darknet 如何于 Ubuntu 编译，及使用 Python 接口

最新推荐文章于 2022-12-09 15:57:20 发布
最新推荐文章于 2022-12-09 15:57:20 发布
阅读量203 收藏
点赞数
文章标签： yolo v4 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_29952601/article/details/114010328
版权
本文详细介绍了如何在Ubuntu 18.04上编译YOLOv4的Darknet实现，包括安装Nvidia驱动、CUDA、cuDNN、CMake、Python等基础环境，以及OpenCV和Darknet的编译过程。此外，还演示了如何使用预训练模型进行推断，包括通过darknet和Python接口执行。
摘要由CSDN通过智能技术生成

本文将介绍 YOLOv4 官方 Darknet 实现，如何于 Ubuntu 18.04 编译，及使用 Python 接口。

主要内容有：准备基础环境： Nvidia Driver, CUDA, cuDNN, CMake, Python

编译应用环境： OpenCV, Darknet

用预训练模型进行推断： darknet 执行，或 python

准备基础环境

Nvidia Driver

推荐使用 graphics drivers PPA 安装 Nvidia 驱动：

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt update

查看推荐的 Nvidia 显卡驱动：

ubuntu-drivers devices

安装 Nvidia 驱动：

apt-cache search nvidia | grep ^nvidia-driver

sudo apt install nvidia-driver-450

之后， sudo reboot 重启。运行 nvidia-smi 查看 Nvidia 驱动信息。

Nvidia CUDA Toolkit

获取地址：

建议选择 CUDA 10.2 ，为目前 PyTorch 可支持的最新版本。

下载安装：

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

sudo sh cuda_10.2.89_440.33.01_linux.run注意：安装时，请手动取消驱动安装选项。

安装输出：

===========

= Summary =

===========

Driver: Not Selected

Toolkit: Installed in /usr/local/cuda-10.2/

Samples: Installed in /home/john/cuda-10.2/, but missing recommended libraries

Please make sure that

- PATH includes /usr/local/cuda-10.2/bin

- LD_LIBRARY_PATH includes /usr/local/cuda-10.2/lib64, or, add /usr/local/cuda-10.2/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-10.2/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.2/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 440.00 is required for CUDA 10.2 functionality to work.

To install the driver using this installer, run the following command, replacing with the name of this run file:

sudo .run --silent --driver

Logfile is /var/log/cuda-installer.log

添加环境变量：

$ vi ~/.bashrc

export CUDA_HOME=/usr/local/cuda

export PATH=$CUDA_HOME/bin:$PATH

export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

重启终端后，检查：

$ nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2019 NVIDIA Corporation

Built on Wed_Oct_23_19:24:38_PDT_2019

Cuda compilation tools, release 10.2, V10.2.89

Nvida cuDNN

获取地址：

需选择 CUDA 10.2 对应的版本。

安装 deb 包：

sudo apt install ./libcudnn8_8.0.2.39-1+cuda10.2_amd64.deb

sudo apt install ./libcudnn8-dev_8.0.2.39-1+cuda10.2_amd64.deb

sudo apt install ./libcudnn8-doc_8.0.2.39-1+cuda10.2_amd64.deb

查看 deb 包：

dpkg -c libcudnn8_8.0.2.39-1+cuda10.2_amd64.deb

CMake

下载安装：

curl -O -L https://github.com/Kitware/CMake/releases/download/v3.18.2/cmake-3.18.2-Linux-x86_64.sh

sh cmake-*.sh --prefix=$HOME/Applications/

添加环境变量：

$ vi ~/.bashrc

export PATH=$HOME/Applications/cmake-3.18.2-Linux-x86_64/bin:$PATH说明： apt 源的 cmake 太旧， darknet 编译不过。

Python

获取地址：

Python 建议用 Anaconda 发行版。

安装命令：

# bash Anaconda3-2020.07-Linux-x86_64.sh

bash Anaconda3-2019.10-Linux-x86_64.sh

编译应用环境

OpenCV 4.4.0

安装依赖：

apt install -y build-essential git libgtk-3-dev

编译命令：

conda deactivate

# export CONDA_HOME="/home/john/anaconda3/envs/clenv"

export CONDA_HOME=`conda info -s | grep -Po "sys.prefix:\s*\K[/\w]*"`

cd ~/Codes/

git clone -b 4.4.0 --depth 1 https://github.com/opencv/opencv.git

git clone -b 4.4.0 --depth 1 https://github.com/opencv/opencv_contrib.git

cd opencv/

mkdir _build && cd _build/

cmake -DCMAKE_BUILD_TYPE=Release \-DCMAKE_INSTALL_PREFIX=$HOME/opencv-cuda-4.4.0 \-DOPENCV_EXTRA_MODULES_PATH=$HOME/Codes/opencv_contrib/modules \\-DPYTHON_EXECUTABLE=$CONDA_HOME/bin/python3.7 \-DPYTHON3_EXECUTABLE=$CONDA_HOME/bin/python3.7 \-DPYTHON3_LIBRARY=$CONDA_HOME/lib/libpython3.7m.so \-DPYTHON3_INCLUDE_DIR=$CONDA_HOME/include/python3.7m \-DPYTHON3_NUMPY_INCLUDE_DIRS=$CONDA_HOME/lib/python3.7/site-packages/numpy/core/include \-DBUILD_opencv_python2=OFF \-DBUILD_opencv_python3=ON \\-DWITH_CUDA=ON \\-DBUILD_DOCS=OFF \-DBUILD_EXAMPLES=OFF \-DBUILD_TESTS=OFF \..

make -j$(nproc)

make install

其中 Python 路径请对应自己安装的版本。

运行检查：

conda activate

export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH

export PYTHONPATH=$HOME/opencv-cuda-4.4.0/lib/python3.7/site-packages:$PYTHONPATH

python - <

问题: libfontconfig.so.1

Traceback (most recent call last):

File "", line 1, in

File "/home/john/opencv-cuda-4.4.0/lib/python3.7/site-packages/cv2/__init__.py", line 96, in

bootstrap()

File "/home/john/opencv-cuda-4.4.0/lib/python3.7/site-packages/cv2/__init__.py", line 86, in bootstrap

import cv2

ImportError: /home/john/anaconda3/bin/../lib/libfontconfig.so.1: undefined symbol: FT_Done_MM_Var

解决办法：

cd $HOME/anaconda3/lib/

mv libfontconfig.so.1 libfontconfig.so.1.bak

ln -s /usr/lib/x86_64-linux-gnu/libfontconfig.so.1 libfontconfig.so.1

问题: libpangoft2-1.0.so.0

ImportError: /home/john/anaconda3/bin/../lib/libpangoft2-1.0.so.0: undefined symbol: FcWeightToOpenTypeDouble

解决办法:

cd $HOME/anaconda3/lib/

mv libpangoft2-1.0.so.0 libpangoft2-1.0.so.0.bak

ln -s /usr/lib/x86_64-linux-gnu/libpangoft2-1.0.so.0 libpangoft2-1.0.so.0

Darknet

编译命令：

export OpenCV_DIR=$HOME/opencv-cuda-4.4.0/lib/cmake

cd ~/Codes/

git clone https://github.com/AlexeyAB/darknet.git

cd darknet/

./build.sh

运行检查：

$ export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH

$ ./darknet v

CUDA-version: 10020 (10020), cuDNN: 8.0.2, CUDNN_HALF=1, GPU count: 1

CUDNN_HALF=1

OpenCV version: 4.4.0

Not an option: v

用预训练模型进行推断

准备模型与数据

darknet 执行

cd ~/Codes/darknet/

export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH

export MY_MODEL_DIR=~/Codes/devel/models/yolov4

export MY_COCO_DIR=~/Codes/devel/datasets/coco2017

./darknet detector test cfg/coco.data cfg/yolov4.cfg \$MY_MODEL_DIR/yolov4.weights \-thresh 0.25 -ext_output -show \$MY_COCO_DIR/test2017/000000000001.jpg

推断结果：

python 执行

Darknet 于其根目录，提供有 Python 接口。如下执行：

cd ~/Codes/darknet/

export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH

export PYTHONPATH=$HOME/opencv-cuda-4.4.0/lib/python3.7/site-packages:$PYTHONPATH

python darknet_images.py -h

python darknet_images.py \--batch_size 1 \--thresh 0.1 \--ext_output \--config_file cfg/yolov4.cfg \--data_file cfg/coco.data \--weights $MY_MODEL_DIR/yolov4.weights \--input $MY_COCO_DIR/test2017/000000000001.jpg

推断结果，如前一小节。

结语

Let's go coding ~

分享 Coding 中实用的小技巧、小知识！欢迎关注，共同成长！

阿银爱吃甜食桑
关注
Ubuntu使用darknet实现YOLOv4-tiny预训练模型测试+训练自己的数据集+评估自己的模型
Xavier的博客
12-27 6379
文章目录1.编译darknet2.训练3.测试 YOLOv4-tiny的原理本文暂时不讲，只有应用 1.编译darknet 1.在GitHub网址https://github.com/AlexeyAB/darknet下载最新版的darknetAB源码 参考博客：Yolo v4系列学习（五）Yolov4-tiny ./darknet detector test ./cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights data/dog.jpg # 图片测试
yolov4 使用darknet的python接口处理单张图片和视频+Flask服务
qq_20241587的博客
01-28 2481
目的 使用yoloV4darknet自带的 python 接口处理图片和视频。 具体的说有三种场景： 1 指定一张图片的位置/或使用cv2.imread() 的结果，进行model预测+画框+另存为新图片； 2指定一视频的位置，进行抽帧+model预测+画框+另存为新帧+新帧拼成新视频保存； 实现 作者提供的darknet.py有些复杂，我觉得不太好用，于是提供一个darknet_me.py实现上述功能1 ''' darknet.py 核心函数：load_network、dete..
YOLOv4: Darknet 如何于 Ubuntu 编译，及使用 Python 接口
GoCoding
09-28 533
本文将介绍 YOLOv4 官方 Darknet 实现，如何于 Ubuntu 18.04 编译，及使用 Python 接口。 主要内容有： 准备基础环境： Nvidia Driver, CUDA, cuDNN, CMake, Python 编译应用环境： OpenCV, Darknet 用预训练模型进行推断： darknet 执行，或 python 而 YOLOv4 的介绍或训练，可见前文《YOLOv4: Darknet 如何于 Docker 编译，及训练 COCO 子集》。 准备基础环境 Nvidia
conda如何升级pytorch_YOLOv4: Darknet 如何于 Ubuntu 编译，及使用 Python 接口
weixin_39889597的博客
11-21 198
本文将介绍 YOLOv4 官方 Darknet 实现，如何于 Ubuntu 18.04 编译，及使用 Python 接口。主要内容有：准备基础环境： Nvidia Driver, CUDA, cuDNN, CMake, Python编译应用环境： OpenCV, Darknet用预训练模型进行推断： darknet 执行，或 python而 YOLOv4 的介绍或训练，可见前文《YOLOv4: D...
darknet-yolov4 python接口封装
007的博客
10-13 700
class DarknetYolov4: def __init__(self,configPath,weightPath,metaPath,thresh): # Import the global variables. This lets us instance Darknet once, then just call performDetect() again without instancing again global metaMain, netMain, a.
Ubuntu18.04配置darknet环境实现YOLOv4目标检测(二)——基于python进行YOLOv4 inference
01-20
目录1. 需要用的的库2. 加载网络3. 加载图片4. 可视化结果 完成上一篇https://blog.csdn.net/linghu8812/article/details/100867702YOLOv4环境配置后，可基于python进行YOLOv4的inference，查看YOLOv4的检测结果。需要用到的库有darknet目录下的darknet.py文件，以及编译出来的libdarknet.so。 1. 需要用的的库 import os import cv2 import numpy as np import random import darknet 需要导入的库主要是opencv-
darknet.py：darknet.py是除Python和Tor之外没有任何依赖性的网络应用程序，可用于匿名化Linux服务器和工作站的流量
02-06
darknet.py-网络匿名化工具 什么是darknet.py？ darknet.py是一个网络应用程序，除了Python和Tor之外，没有任何依赖关系，可用于匿名化Linux服务器和工作站的流量。 darknet.py执行的操作是使用透明代理方法通过SOCKS5（Tor）代理重定向所有流量。 DNS请求也被匿名化，darknet.py使DNS泄漏几乎不可能。 什么时候使用darknet.py？ darknet.py可以在需要强制匿名要求的任何情况下使用。 情况可能有所不同：从报废到防止对具有关键信息的服务器的攻击，或者通过日常使用程序完全匿名进行通信。 创作者希望将其用于改善人们
YOLOv4: Darknet 如何于 Docker 编译，及训练 COCO 子集
GoCoding
09-11 939
YOLO 算法是非常著名的目标检测算法。从其全称 You Only Look Once: Unified, Real-Time Object Detection ，可以看出它的特性： Look Once: one-stage (one-shot object detectors) 算法，把目标检测的两个任务分类和定位一步完成。 Unified: 统一的架构，提供 end-to-end 的训练和预测。 Real-Time: 实时性，初代论文给出的指标 FPS 45 , mAP 63.4 。 YOLOv4:
python人头识别_使用yolov4 训练自己的人头识别模型
weixin_39801202的博客
01-14 645
0、实验环境ubuntu 16.04opencv 3.4.10cuda 10.11、yolov4安装1.1、下载编译darknetgit clone https://github.com/AlexeyAB/darknetcd darknetdarknet 默认编译是不带cuda与opencv,而且不会编译so文件。如果想编译带有cuda与opencv，并编译so文件的需要修改Makefile进行编...
Ubuntu18.04 搭建YOLOV4环境
tugouxp的专栏
08-01 3372
下载代码，编译 git clone https://github.com/AlexeyAB/darknet cd darknet make 下载预训练权重: 验证： caozilong@caozilong-Vostro-3268:~/Workspace/yolo/darknet$ ./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./yolov4.weights data/dog.jpg GPU isn't used ..
对YOLOv3模型调用时候的python接口详解
09-18
今天小编就为大家分享一篇对YOLOv3模型调用时候的python接口详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Ubuntu16.04 RTX2060 安装CUDA10.2
追求卓越583的博客
07-15 5198
安装显卡驱动 一、查看适配显卡版本并下载 到英伟达官网搜索驱动https://www.nvidia.cn/geforce/drivers/ 搜索结果：（注意，非特殊需求，不要选择带BETA的版本） 选择最新的即可，（注意，非特殊需求，不要选择带BETA的版本），版本为450.57，进行下载。 二、卸载自带驱动 1.卸载原先的驱动 sudo apt-get remove --purge nvidia* 2.禁用原有驱动nouveau（有两种方法，我把两种方法都操作了，才成功禁用）..
CUDNN与CUDA的踩坑与记录
最新发布
crazty的博客
12-09 937
配置环境变量 注意这里的cuda是cuda-10.2，带着版本号，不是那个软连接cuda 验证： CUDNN的安装 下载CUDNN–>点击 安装文档在这里–>>点击记得加上对应的版本号 CUDA的删除 CUDNN的删除 把cuda的文件删了就行了darknet网络–>>点击
起标题真烦人
dengheCSDN的博客
07-13 1522
完整安装过程 一、检查自己的电脑环境是否具备安装CUDA的条件 1.验证自己的电脑是否有一个可以支持CUDA的GPU 2.验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题) 3.验证系统是否安装了gcc 4.验证系统是否安装了kernel header和 package development 4.1查看正在运行的系统内核版本： 二、NVidia驱动 0、一些认...
darknet yolov4 python接口测试图像
LEILEI18A的博客
07-11 1万+
darknet yolov4 python接口测试图像 1.安装教程 按照github darknet yolov4要求配置即可，会出现lib.so文件。 2.darknet python目标检测接口 代码如下：主要调用darknet.py文件，此外自己写了自适应字体展示代码(与darknet终端命令得到的图像一样优美) ''' 注释： author is lei...
ubuntu18.04 安装CUDA10.0
jsjason1的博客
03-03 8483
NVIDIA驱动在上一篇以及安装完了，这里开始安装CUDA10.0 从NVIDIA网站上下载系统版本所对应的runfile(local)文件 chmod +x cuda_10.0.130_410.48_linux.run sudo sh sh ./cuda_10.0.130_410.48_linux.run 然后第一个问你是否安装NVIDIA驱动，填n 后面了填y，安装目录默认回车 Do yo...
Ubuntu 18.04安装CUDA 10.0笔记
越野者的博客
10-14 2319
1. 下载 在CUDA官网上下载CUDA 10.0的Ubuntu 18.04安装包： https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_ty...
darknet 的python接口使用
热门推荐
Cwenge的博客
05-21 3万+
darknet 的python接口使用 darknet 是YOLO网络的一个框架，安装见官网：https://pjreddie.com/darknet/ 跟着步骤就可以安装好了。这里要介绍的是darknet本身提供的python接口使用： 首先，python接口文件在安装好的darknet目录下的python文件夹 打开就可以看到 这里的darknet.py文件就是python接口 用...
Python+YOLOv3：目标检测实战与网页部署代码示例
本资源是一份名为“用Python实现yolo算法，用yolov部署网页示范代码集”的文档，主要针对希望在Python环境中理解和应用YOLOv3目标检测技术的读者。YOLO（You Only Look Once）是一种实时物体检测算法，因其高效性和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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