alexeyab darknet 编译_windows下darknet之yolo(gpu版本）安装

如果想训练自己的数据集，可以参考下面的链接

JustDoIT：YOLO3 darknet训练自己的数据​zhuanlan.zhihu.com

yolo官网

YOLO: Real-Time Object Detection​pjreddie.com

安装darknet cpu版本的请点下面这个链接

JustDoIT：windows下darknet之YOLO3安装与使用​zhuanlan.zhihu.com

实际上，darknet有两个版本，一个是下面这个版本，

pjreddie/darknet​github.com

但貌似这个版本对windows“不太友好”，我只成功安装了cpu的（其实在windows环境下安装也不太容易，可参照文章开始给出的链接），gpu版本的一直没安装成功，但永不言弃，一直尝试，时间滴答地过去了，无奈，最后还是放弃了转而选择下面这个“友好”的版本，

https://github.com/AlexeyAB/darknet​github.com

事实上这个github上面已经有比较全面的安装教程，但我在安装的过程中还是遇到了些问题，现把我的安装过程记录如下，希望能帮到各位朋友。如果在安装过程中遇到问题，可以查看文章最后的常见问题，也许能解决遇到的问题。

1.安装CUDA及CUDNN（当然，如果没有独立显卡，还是去安装cpu版本的哈哈）

关于CUDA及CUDNN的安装请参考下面这个链接里面的第3个步骤，要记住安装路径（我的路径是C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0）

JustDoIT：windows tensorflow-gpu的安装​zhuanlan.zhihu.com

2.下载microsoft vs2015（不是2010或者2017，下载2015为上策）

当然，如果电脑已经安装了vs2015，则直接到第3步，如果没有，则可以在microsoft官方自行下载并参考网上的教程进行安装

3.下载opencv3.4.0（3.40为上策，版本低一点也可以，但高了真不行）

下载链接如下

Download OpenCV from SourceForge.net​sourceforge.net

下载完后打开该文件，可以把此文件放在你想放的位置，记住路径就行（我的路径是C:opencv）

4.下载darknet源码并解压缩

下载链接如下

https://github.com/AlexeyAB/darknet​github.com

下载完后解压缩并放到你想要放的位置上（我的路径是D:python3darknet-master-20181002），解压缩后的文件应为darknet-master，但为了和我原有的darknet-master做区分，故加上今天的安装日期（对的，国庆第二天我还在奋斗）。打开darknet-master-20181002，文件结构如下图

真正的安装操作开始了

• 打开build文件夹下的darknet文件夹，并用编辑器（推荐sublime，太好用了，当然，其他的也可以）打开darknet.vcxproj，用搜索功能查找CUDA （这里就是CUDA的版本号了），并修改为自己CUDA的版本号，我的CUDA版本是9.0，所以修改为CUDA 9.0（一共有两处需要修改的）并保存，如图

• 确认C:Program Files (x86)MSBuildMicrosoft.Cppv4.0V140BuildCustomizations文件夹下面是否有下面这几个文件（因为我的是CUDA9.0，所以文件名中带有9.0，也就是说自己CUDA的版本号），

如果有，恭喜你，这一步又完成了，如果没有，则把CUDA安装路径下面的（我的路径是C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0extrasvisual_studio_integrationMSBuildExtensions）以上4个文件全部拷贝到C:Program Files (x86)MSBuildMicrosoft.Cppv4.0V140BuildCustomizations中

• 打开build文件夹下的darknet文件夹，并用vs2015打开darknet.sln，如果打开后显示darknet加载不成功并报如下的错误（未找到导入的项目“C:Program Files (x86)MSBuildMicrosoft.Cppv4.0v110BuildCustomizationsCUDA 9.0.props”。请确认 声明中的路径正确，且磁盘上存在该文件。）

这个错误出现的原因要么是该文件夹下没有该文件要么是darknet.vcxproj中的CUDA版本号没改成自己CUDA的版本号，那么查看上两步当中有哪一步漏了即可。

加载成功后，接下来将之前安装的Opencv3.4的库路径添加到VS工程中，具体操作可参考下面这个链接

https://note.youdao.com/share/?id=04fb326760a726f23cbd9ae8ff6b1fc6&type=note#/​note.youdao.com

然后在VS中进行如下图的设置

最后点击生成选项中的生成darknet

出现下面的信息则说明编译成功

如果出现下面两张图片的错误（感谢知友提供的两张图片），则还需要配置第三方包pthreadVC2，以下添加路径的操作同上面添加opencv的操作一样（https://note.youdao.com/share/?id=04fb326760a726f23cbd9ae8ff6b1fc6&type=note#/），需要在包含目录中添加D:python3darknet-master-201810023rdpartyinclude（需要改成自己对应的目录），在库目录中添加D:python3darknet-master-201810023rdpartylibx64（需要改成自己对应的目录），在链接器输入中添加pthreadVC2.lib（需要改成自己对应的目录），然后点击生成选项中的生成darknet

最后打开build下的darknet下的x64会有一个darknet.exe文件，

至此，darknet的gpu版本已经安装完了，不过且慢，实践是检验真理的唯一标准，让我们测试一下

5.测试darknet

• 下载yolov3.weights并放到同darknet.exe的目录下（我的路径是D:python3darknet-master-20181002builddarknetx64）

https://pjreddie.com/media/files/yolov3.weights​pjreddie.com

• 打开命令行并切换到darknet.exe所在的目录下，运行下面的命令

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

运行完上述命令后会出现这样的结果

和一张效果图

6.用python代码大批量检测图片

当然，还有些朋友想用python代码来大批量检测图片，没问题的，我们接着弄。

darknet.exe所在目录下有个darknet.py文件，想必就是用来检测图片的python代码，好极了，那运行一下这个文件。坐等结果，然后等来的却是下面这样的报错结果

Traceback (most recent call last):
File "D:python3darknet-master-20181002builddarknetx64darknet.py", line 109, in <module>
raise ValueError("NoDLL")
ValueError: NoDLL

看看代码，注意到代码开头有这样的几句话

Python 3 wrapper for identifying objects in images
Requires DLL compilation
Both the GPU and no-GPU version should be compiled; the no-GPU version should be renamed "yolo_cpp_dll_nogpu.dll".

嗯，需要编译一个DLL。当然了，我们可以编译cpu的也可以编译gpu的，下面我是编译gpu版本的。

darknet文件下有一个yolo_cpp_dll.sln文件，同样的需要修改对应的yolo_cpp_dll.vcxproj文件，修改yolo_cpp_dll.vcxproj的过程和编译yolo_cpp_dll.sln过程和编译darknet.sln的一样，参考上面第4点就可以了，编译完成后，我们可以看到darknet.exe同目录下生成了yolo_cpp_dll.dll文件。

最后，我们再次运行darknet.py文件，稳稳地出现了我们想要的结果。

当然了，这只是检测一张图片，如果检测多张只要对代码做点小修改就可以了。

7 常见问题

• 生成darknet过程中报MSB372的错

可参见评论区的解决办法，删除一些文件试试

如果本文对你有用，可以点个赞，如果觉得文章还不错，可以尝试关注我