安装ubuntu双系统到配置darknet环境（简略）

简略汇总

配置训练yolo的环境，使用到的安装包下载地址：

链接：https://pan.baidu.com/s/1-A3ZBCig0qNtvUBr2aG2nw 
提取码：moth 
复制这段内容后打开百度网盘手机App，操作更方便哦

安装双系统

安装输入法

搜for linux ,找到搜狗 ，安装

sudo apt install fcitx-googlepinyin   #装google拼音

安装nvidia驱动

编辑文件blacklist.conf

sudo vim /etc/modprobe.d/blacklist.conf

若未安装vim则sudo apt-get install vim安装或使用vim

sudo apt-get install vim

在文件最后部分插入以下两行内容

blacklist nouveau

options nouveau modeset=0

更新系统

sudo update-initramfs -u

重启系统（一定要重启）

验证nouveau是否已禁用

lsmod | grep nouveau

没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动。

打开software&updates,找到additional drivers,选择最新的驱动安装
重启

挂载Nvidia驱动：

modprobe nvidia

检查驱动是否安装成功：

nvidia-smi

如果出现如下提示，则说明安装成功：

安装cuda10.1

cuda各个版本下载地址

sudo sh cuda_10.1.243_418.87.00_linux.run

再出现的提示中选择continue和accept,直到出现如下画面：

在这里插入图片描述由于我之前已经安装了Nvidia的显卡驱动，这里不安装driver，那么只需要移动到Driver，按enter键，将＂［］＂中的Ｘ去掉即是不选择．然后在Install.因为我们只是调用CUDA，不去写CUDA程序，所以Samples也可以选择不安装.

添加环境变量

vi ~/.bashrc

在文件末尾添加

export PATH="/usr/local/cuda-10.1/bin:$PATH"		#按照实际的cuda文件名字来
export LD_LIBRARY_PATH="/usr/lcoal/cuda-10.1/lib64:$LD_LIBRARY_PATH"

最后使其生效

source ~/.bashrc

安装cudnn7.6.4

进入解压后的cudnn目录 应该能看到cuda文件夹

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

从上到下输出7 6 4 即表示cudnn7.6.4

cudnn8.2

sudo tar -xvf cudnn-11.0-linux-x64-v8.0.5.39.tgz
sudo cp cuda/include/cudnn* /usr/local/cuda-11.0/include/
sudo chmod a+r /usr/local/cuda-11.0/include/cudnn*
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.0/lib64/
sudo chmod a+r /usr/local/cuda-11.0/lib64/libcudnn*
查看cudnn版本
cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

安装anaconda

安装：

bash Anaconda3-5.1.0-Linux-x86_64.sh

添加环境变量：

vim ~/.bashrc

末尾添加

export PATH=/home/XXX/anaconda3/bin:$PATH    XXX为自己的用户名

使环境变量生效：

source ~/.bashrc

安装pycharm

在软件商城安装(安装速度可能比较慢）

安装tensorflow2.1.0

pycharm选择python3.7环境
安装tensorflow2.1.0

在pycharm里面的终端

pip install tensorflow-gpu==2.1.0 
pip install opencv-python

安装cmake

cd cmake-3.6.1

执行引导文件

./bootstrap

编译

make -j4

安装

sudo make install

查看是否安装成功

cmake --version

安装opencv4.3.0(安装起来比较乱，成功与否不知道，下次配环境再测试）

查看opencv版本

pkg-config --modversion opencv

安装依赖包

sudo apt-get install cmake git libgtk2.0-dev pkg-config  libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libtbb2  libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt-get update
sudo apt install libjasper1 libjasper-dev 

正常编译

mkdir build && cd build
cmake .. -DWITH_QT=ON -DBUILD_TIFF=ON -DOPENCV_GENERATE_PKGCONFIG=ON -DCMAKE_INSTALL_PREFIX=/usr/local
sudo make -j4
sudo make install

如果出现CMAKE_PREFIX_PATH doesn’t help CMake in finding Qt5错误，则在终端中输入apt-get install qtbase5-dev qtdeclarative5-dev安装QT安装包以解决问题。

opencv安装参考：哟哟

darknet环境

下载darknet

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

编译darknet
在编译darknet前首先需要修改Makefile，在终端输入以下命令：

cd darknet
gedit Makefile

打开后根据需要修改GPU，CUDNN等的值，GPU为1的话需要安装cuda，CUDNN为1的话需要安装CUDNN，CUDNN_HALF仅支持带有Tensor Cores的GPU如Titan V / Tesla V100 / DGX-2或者之后的显卡。

OPENCV为1的话，需要安装OpenCV，安装OpenCV可以在终端中输入以下命令：

sudo apt-get install libopencv-dev

通过编译安装opencv的话可以参考这篇博客的安装步骤：牙白爹斯呐
修改完Makefile之后，在终端中输入：

make -j4

测试

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25 ./data/dog.jpg

转载

cuda+cudnn
Nvidia
Anaconda
daeknet
/usr/bin/ld: cannot find -lcudnn