python 3.4 vc++编译配置_darknet入门—yolov3目标检测(安装、编译、实现)

知乎编辑器效果有限，原文发布在语雀文档上，看上去效果更好~yolo-v3入门—目标检测(安装、编译、实现) · 语雀​www.yuque.com

效果图

​简介

Yolo，是实时物体检测的算法系统，基于Darknet—一个用C和CUDA编写的开源神经网络框架。它快速，易于安装，并支持CPU和GPU计算，也是yolo的底层。本文主要介绍在win10系统上配置darknet环境，编译，使用yolo实现开头展示的目标检测效果。

主要包括以下几个步骤：

编译流程 -> 环境安装 -> VS2017配置和编译 -> 运行展示YOLO，美语新词，是You Only Live Once的首字母缩略词，意为你只能活一次，应该活在当下，大胆去做。

本文的YOLO，意为：You Only Look Once，再点进官网，一股暗黑色系地风格让人觉得很magic，编程真有意思~

github：

编译流程

要使用yolo，必须先安装darknet、darknet可以直接在githb上下载压缩包：https://github.com/AlexeyAB/darknet

本文主要介绍darknet在win10上的编译流程。github上介绍了Linux和Windows下darknet的编译，我这里直接用谷歌浏览器翻译了：

1.如何在Linux上编译

只是make在darknet目录中。在make之前，您可以在Makefile：link中设置这些选项GPU=1用CUDA构建以使用GPU加速(CUDA应该在/usr/local/cuda)

CUDNN=1使用cuDNN v5-v7构建以使用GPU加速训练(cuDNN应该在/usr/local/cudnn)

CUDNN_HALF=1 构建Tensor核心(在Titan V / Tesla V100 / DGX-2及更高版本上)加速检测3x，训练2x

OPENCV=1 使用OpenCV 3.x / 2.4.x构建 - 允许检测来自网络摄像机或网络摄像头的视频文件和视频流

DEBUG=1 可以调试Yolo的版本

OPENMP=1 使用OpenMP支持构建，通过使用多核CPU来加速Yolo

LIBSO=1构建使用此库的库darknet.so和二进制可运行文件uselib。或者您可以尝试运行LD_LIBRARY_PATH=./:$LD_LIBRARY_PATH ./uselib test.mp4如何从您自己的代码中使用此SO库 - 您可以查看C ++示例：https：//github.com/AlexeyAB/darknet/blob/master/src/yolo_console_dll.cpp 或者使用这样的方式：LD_LIBRARY_PATH=./:$LD_LIBRARY_PATH ./uselib data/coco.names cfg/yolov3.cfg yolov3.weights test.mp4

要在Linux上运行Darknet，请使用本文中的示例，./darknet而不是darknet.exe使用，即使用此命令：./darknet detector test ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights

2.如何在Windows上编译(使用vcpkg)将Visual Studio安装或更新到至少2017版，确保将其完全修补(如果不确定自动更新到最新版本，请再次运行安装程序)。如果您需要从头开始安装，请从此处下载VS：Visual Studio 2017社区

安装CUDA和cuDNN

安装git和cmake。确保它们至少在当前帐户的路径上

例如，安装vcpkg并尝试安装测试库以确保一切正常vcpkg install opengl

定义环境变量，VCPKG_ROOT指向安装路径vcpkg

使用名称VCPKG_DEFAULT_TRIPLET和值定义另一个环境变量x64-windows

打开Powershell(作为标准用户)并键入(最后一个命令需要确认并用于清理不必要的文件)

PS \ > cd $ env： VCPKG_ROOT

PS Code \ vcpkg > 。\ vcpkg install pthreads opencv ＃ replace with opencv [cuda]如果你想使用cuda-accelerated openCV[仅限CUDA]使用首选计算功能自定义CMakeLists.txt

使用Powershell脚本构建build.ps1或使用Visual Studio 2017的“打开文件夹”功能。在第一个选项中，如果要使用Visual Studio，您将找到包含所有相应配置的构建后由CMake为您创建的自定义解决方案系统的标志。

环境安装

1.安装Visual Studio2017

安装时依照自己的开发需要，勾选相应的环境：

一定要选下面这个V140工具集，不然用141的会报错.....

安装时没有选完整也没关系，可以在Visual Studio Installer修改

2.安装CUDA和CUDNN

官网下载即可，我的安装包如下：

cuda_9.0.176_win10.exe

cudnn-9.0-windows10-x64-v7.4.2.24

3.安装git和cmake

刚开始，我git版本过低，后来在cmd中用update升级了一下~现在的版本如下：

下载完成，记得配置环境变量：

4.安装vcpkg

安装完成后，用vcpkg安装pthreads和opencv。

cd到vcpkg的主目录，运行命令：.\vcpkg install pthreads opencv

此处我发现，pthreads可以安装成功，opencv总是安装失败.....

看报错信息，下载opencv：3.4.3.tar.gz时报错，于是手动下载tar包，放入vcpkg的downloads目录下，再次尝试安装：

至此，准备工作基本做完，我们可以开始编译darknet了

5.安装opencv

单纯安装opencv对版本没有限制，但是为了和darknet匹配，必须安装特定的版本，darnnet官网要求的版本是opencv 3.x，明确要求小于4.0版。我一次下了多个版本的opencv，发现3.0.0，3.4.0的可用，4.0.1的不可用。实践证明，确实如此，4.0.1的在编译daeknet时VS会报错，说有些接口方法不存在....3.x的版本中有些能用，有些不能用。

下载后解压至任意目录，方便自己使用时能找到即可

6.下载darnnet

VS2017配置和编译

首先找到之前下载的daeknet-master目录，进入->build->darknet文件夹下，可以看见有三个.sln文件，这三个文件是三个VS项目入口，其中darknet.sln主要用来编译darknet，生成darknet.exe可执行文件；

yolo_cpp_dll.sln主要用来编译可供外部使用的GPU版yolo的dll和lib文件；

yolo_cpp_dll_no_gpu.sln主要用来编译可供外部使用的非GPU版(即CPU版)dll和lib。dll动态链接库，lib静态链接库 前面提到过，yolo支持CPU和GPU计算，CPU和GPU运行yolo所依赖的库文件是不同的

双击darknet.sln即可在VS2017中打开这个项目。

VS2017属性配置

找到项目目录，右键点属性：

在属性页面，我们需要经行一系列配置

目标平台版本

目标平台版本即要生成的exe目标运行环境，默认是8.1，可修改为10，不配置也暂时无影响

平台工具集

即VS2017开发平台的工具集，经过采坑发现v141不行、v140可用

VC++目录

主要配2处：包含目录和引用目录，根据自己opencv安装目录配置相应路径.下面以我的路径为例：

包含目录：

D:\software\opencv\opencv3.4.0\opencv\build\include

库目录：

D:\software\opencv\opencv3.4.0\opencv\build\x64\vc15\lib

D:\software\opencv\opencv3.4.0\opencv\build\x64\vc14\lib

编译darknet.exe

现在，我们可以尝试编译了，点击生成​

报异常

异常信息1>------ 已启动生成: 项目: darknet, 配置: Release x64 ------ 1>D:\software\darknet\darknet190226\new\darknet-master\build\darknet\darknet.vcxproj(54,5): error MSB4019: 未找到导入的项目“C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations\CUDA 10.0.props”。请确认 声明中的路径正确，且磁盘上存在该文件。 1>已完成生成项目“darknet.vcxproj”的操作 - 失败。 ========== 生成: 成功 0 个，失败 1 个，最新 0 个，跳过 0 个 ==========

解决异常

我们顺着异常提示的文件夹路径点进去发现，确实没有CUDA 10.0.props这个文件，但是有CUDA 9.0.props，原来在当前版本的darknet中，默认使用的CUDA 10.0,我们需要在配置darknet.vcxproj中修改(和darknet.sln在同级目录)

用notepad++修改，将10.0改为9.0即可，总共改头尾两处。​

再次编译

编译成功后，会在darknet-master\build\darknet\x64下生成darknet.exe文件，这个就是可执行的程序。

编译GPU版库

编译GPU版库文件，主要即产生可以支持GPU运行的yolo的dll和lib文件，用于方便在别的C++项目中直接调用，编译前的VS2017配置和上面编译darknet.exe基本类似，此处还需配置一处：

CUDA C/C++ ->Deviece -> Code Generation处。原compute_75,sm_75改为compute_52,sm_52

然后就是正常的生成，生成成功后在darknet-master\build\darknet\x64目录下会新生成：

yolo_cpp_dll.dll和yolo_cpp_dll.lib

编译CPU版库

CPU版本库的编译和GPU类似，就不赘述了

运行展示

1.下载yolov3.weights并放到darknet.exe同级目录下，下载链接：

2.运行

cd到darknet.exe所在目录，运行命令即可。

命令1：darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

效果1：

命令2：

darknet detect cfg/yolov3.cfg yolov3.weights data/bird.jpg

效果2：第二张黑天鹅竟然识别成了bird，哈哈哈哈~

Tips:

1.运行时如果提示找不到opencv_world340.dll，需要手动将opencv下的此dll放入darknet.exe运行同级目录下

我的opencv_world340.dll所在目录：

D:\software\opencv\opencv3.4.0\opencv\build\x64\vc14\bin

opencv_world340.dll对应Release版、opencv_world340d.dll对应debug版。

2.如果运行时报内存溢出的异常，需要手动修改yolov3-voc.cfg中的batch和subdivisions，可以都修改为1

​