yolov4 windows 踩坑

最新推荐文章于 2024-03-22 04:03:11 发布
最新推荐文章于 2024-03-22 04:03:11 发布
阅读量817 收藏
点赞数
分类专栏： 日记 文章标签： 计算机视觉
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_41990671/article/details/106519285
版权

源码

https://github.com/AlexeyAB/darknet#how-to-use-on-the-command-line

参考

https://blog.csdn.net/ECHOSON/article/details/105862074

回忆踩坑

  1. cmake报错
  2. cuda、cudnn、opencv环境变量检查
  3. 最后报个错

cmake报错解决

点config出现这个弹窗
在这里插入图片描述
要修改成这样（根据自己电脑来）

在这里插入图片描述
点finish报错
在这里插入图片描述修改这里为你的opencv安装位置
在这里插入图片描述再configure
在这里插入图片描述然后按参

最低0.47元/天 解锁文章
fxxxkming
关注
专栏目录
【YOLOv8系列】在Windows上离线搭建YOLOv8运行环境
AnChenliang_1002的博客
07-31 241
我们都知道，通过 pip安装YOLOv8是非常方便的，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装YOLOv8；今天就来记录一下离线搭建YOLOv8运行环境的过程。并记录了遇到的问题及解决过程。
【YOLOv8系列】在Windows上从零搭建YOLOv8图像算法运行环境--by Anaconda（包括各种遇到的问题及解决方法）
最新发布
AnChenliang_1002的博客
07-23 215
最近需要使用YOLOv8实现图像分类的功能，因此记录一下环境搭建的整个过程，本文记录的是通过Anaconda的方式搭建该环境，期间遇到了一些环境配置上的问题，也详细记录了解决过程。
jetson xavier nx配置yolov4
Mr_Wang0120的博客
10-08 906
下载darknet git clone https://github.com/AlexeyAB/darknet 编译项目 cd darknet make 报错：chmod +x *.sh 解决方法： make clean make 报错：/bin/sh: 1: nvcc: not found Makefile:185: recipe for target ‘obj/convolutional_kernels.o’ failed make: *** [obj/convolutional_kernels.
MindSpore 1.5 版本yolov4预训练权重问题
xi_xiyu的博客
11-01 250
最近在ModelArt上申请了一个MindSpore版本为1.5.1的昇腾设备，在modelZoo上想找个yolov4来训练以下自己的数据集，但是发现MindSpore1.5的yolov4预训练权重需要自己进行训练，有没有MindSpore1.5版本的CSPDrakNet预训练权重呀，或者 1.5 的能不能用1.6的预训练权重？可以到下载中心下载到各个版本的，比如上面的是1.6的。
从旧电脑拷贝yolov4项目文件夹到新电脑上，运行时报错[errno 13]permission denied：D:\\pycharm
WhiteGive__的博客
07-08 362
应该是系统问题，从原压缩包中重新把模型解压到新电脑上就可以运行。此错误的原因一般是没有权限访问、按路径访问不到、文件正在占用
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
07-06
课程演示环境：Windows10 需要学习Ubuntus系统YOLOv4-tiny的同学请前往《YOLOv4-tiny目标检测实战：训练自己的数据集》   YOLOv4-tiny来了！速度大幅提升！   YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算设备上部署。   本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。   本课程的YOLOv4-tiny使用AlexAB/darknet，在Windows10系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。     除本课程《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《Windows版YOLOv4目标检测实战：训练自己的数据集》 《Windows版YOLOv4目标检测实战：人脸口罩佩戴识别》 《Windows版YOLOv4目标检测实战：中国交通标志识别》 《Windows版YOLOv4目标检测：原理与源码解析》  
YOLOV4:从零开始安装&训练自己的数据集
Javis486的专栏
05-20 7907
CUDA安装 具体可以参考博文Centos7离线安装nvidia驱动的两种方法，推荐使用方法2，编译时需要ncvv,因此最后添加下面环境变量到~/.bashrc CUDA_HOME=/usr/local/cuda export PATH=$CUDA_HOME/bin:$PATH opencv安装
Windows下的YOLOV4配置VS
Beings41的博客
09-12 619
YOLOV4配置VS yolov4的VS配置过程和yolov3的配置过程是大致一样的。配置就是配置opencv和CUDA。 配置软件： VS2019 opencv3.4.10 CUDA10.1和cudnn7.6.4 1、首先安装vs2019，安装过程直接一路next，选择自己需要的模块，C++的桌面开发要选上 后面就是漫长的等待安装。 2、后面就是安装CUDA。安装CUDA的时候需要选择自己计算机显卡对应的CUDA版本。通过NVINIA控制面板可以查看。 参考文章：https://blog.csdn.n
YOLOv4
zyflhh1314的博客
05-02 531
YOLOv4已在上周千呼万唤始出来。YOLO之父Jeseph Redmon在今年2月已宣布退出CV学术界，大家都以为YOLO系列已不再更新了，幸而，学术界和开源社区的力量是强大的。另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy接过了YOLO这面大旗，在arXiv上提交了YOLO v4，而且，这篇论文已经被拉入原来YOLO之父建立的项目主线。 YOLOv4：目标检测的最优速...
yolov8实战第六天——yolov8 TensorRT C++ 部署——（踩坑，平坑，保姆教程）
qq_34717531的博客
01-17 8897
TensorRT 通过优化深度学习模型来提高推理速度，减少延迟。这对于实时处理应用（如视频分析、机器人导航等）至关重要。：TensorRT 优化了模型以在GPU上高效运行，这意味着更低的内存占用和更高的吞吐量。对于资源受限的环境或在多任务并行处理的情况下，这是一个显著优势。：C++ 是一种跨平台语言，配合 TensorRT，可以在多种硬件和操作系统上部署深度学习模型，包括嵌入式设备和服务器。：TensorRT 提供了精确的数学和统计方法来减少浮点运算误差，这对于确保深度学习应用的准确性和稳定性至关重要。
windows11-yolov8，自己搭建环境过程回顾（已经踩过坑了，在此拒绝踩坑）
qq_38585897的博客
03-22 1296
创建一个虚拟环境（解释一下：yolov8是自己创建的虚拟环境（空间）的名字，后面python是限定其内部python版本，不用怎么修改，直接复制粘贴即可。进入后，找到想对应的cuda版本，如图所示，假设cuda版本为11.6，那么请选择pip下载，下载速度稍微快一点。在这里就开始有所不同了，如果你的电脑带有英伟达显卡，那么首先恭喜你，你可以使用更为快速的GPU训练和推理了。你的环境已经成功搭建，来点快乐，水先休息一会，准备着手训练数据集吧。GPU加速推理安装的视频，大家也可以网上进行查阅。
（Yolov4测试）将Yolov4模型输出的检测框映射到原图
weixin_43260345的博客
05-21 2240
（Yolov4测试）将Yolov4模型输出的检测框映射到原图 逻辑： 读取原图。根据配置文件、.data文件和权重文件导入模型。 将图片、训练好的网络模型、标签等一起送入detection函数进行检测输出检测图片和detections列表，列表包含类别、置信度、和框的坐标（x,y,w,h）等。 计算原图与检测图片的尺寸转换关系，这个转换关系同样适用于坐标转换。将检测图片上的框的坐标根据转换关系映射到原图上。 得到转换之后检测框的坐标之后，在原图上画框。 进行保存。 import os import cv
YOLO-v4训练自己的数据集
梦在远方的博客
05-01 9080
Yolo-v4训练自己的数据集 文章目录Yolo-v4训练自己的数据集如何在MS COCOs数据集上评估YOLOv4的AP？训练好的模型AlexeyAB改进项如何配置darknet如何训练yolov4(训练你的自定义数据集):如何多GPU训练？ 论文传送门：https://arxiv.org/abs/2004.10934 参考文献： YoLov3训练自己的数据集（小白手册） 源项目README g...
C++Yolov4目标检测实战
qianfengling0707的博客
06-01 8978
Introduction   今年2月份，Yolo之父Joseph Redmon由于Yolo被用于军事和隐私窥探退出CV界表示抗议，就当我们以为Yolo系列就此终结的时候，4月24日，Yolov4横空出世，新的接棒者出现，而一作正是赫赫有名的AB大神。   paper github   在本篇文章里，我们先不急去探究Yolov4的原理，而是从工程的角度来使用Yolov4。首先我们来看一下，Yolov4的性能有多么强劲，下面是使用不同显卡的时候，主流目标检测器的性能，从下图我们发现，Yolov4真的
DeepStream系列之yolov4使用
ZONGXP的博客
09-29 8232
deepstream 5.0 GA 版本的 SDK 中包含有 yolov3 的检测，还没有正式加上 yolov4 的功能，不过 nvidia 官方也在 github 上发布了相关的代码，本文对使用方法做一个介绍
带你玩转Jetson Xavier NX系列教程 | Xavier NX刷机教程
热门推荐
王向阳的博客
05-18 5万+
写在最前：（转载请注明文章出处） NVIDIA®AGX Jetson Xavier NX™开发人员套件终于拿到手了，Nx的性能虽然被砍了不少，但是完全碾压了Nano和TX2，性能大约是Xavier的三分之二，简单测试了一下跑SSD-MobileNetV2可以达到恐怖的100FPS，当你拿到这个开发套件的时候，第一件事就应该是刷写官方镜像。话不多说，Here we go！ PS：如果刷机出现问题，或者是寻求Xavier NX最新资源，或者是希望与广大Jetson硬件开发者进行沟通和交流，请参考以下QQ..
YOLO3+GPU(gtx1060)
bufengzj的博客
02-25 6726
安装参加yolo3官网，较为简单。 此文主要针对配置与问题解决。 一.配置GPU和CUDA信息 Darknet在GPU上运行可以得到500倍的提速，编译使用GPU要求显卡是Nvidia卡并且正确安装了CUDA。 GPU环境下的编译配置都是在 /darknet/Makefile 文件中定义的，GPU环境的编译有3点更改需要注意。 1. 更改Makefile前两行GPU和CUDNN的配置：...
Windows环境下YOLOv4目标检测实战指南
"YOLOv4的实战应用教程，涵盖了在Windows 10环境下搭建YOLOv4目标检测系统的全过程，包括所需的软件配置、CUDA和cuDNN的安装，以及环境变量的设置。" YOLOv4是一种高效且准确的目标检测算法，广泛应用于图像识别和...
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