ubuntu实现yolo v3编译

ubuntu实现yolo v3编译

系统：Ubuntu16.04
NVIDIA显卡驱动：418
cuda：10.1
cudnn：7.6.4
opencv：3.20

一、显卡驱动、cuda、cudnn安装：

参考之前的博客：
https://blog.csdn.net/weixin_43318717/article/details/103612979

二、opencv安装：

同样参考之前的博客：
https://blog.csdn.net/weixin_43318717/article/details/103624385

三、yolo v3配置：

1.下载darknet

git clone http://github.com/pjreddie/darknet.git

也可手动下载：
https://github.com/pjreddie/darknet

2.下载后解压进入darknet文件夹，打开Makefile文件,按如下修改：

GPU=1

OPENCV=1

NVCC=/usr/local/cuda-10.1/bin/nvcc 

修改完成后在darknet目录下开始编译：

make 

测试darknet：

./darknet imtest data/eagle.jpg

至此darknet安装完成。

3.测试

（1）下载YOLO权重文件，在darknet目录下新建weights文件夹，将下载好的weights文件复制到weights文件夹下：

yolo.weights：
https://pjreddie.com/media/files/yolo.weights

yolov3.weights：
https://pjreddie.com/darknet/yolo/

（2）进入darknet目录下的cfg文件夹，打开yolov3.cfg文件，修改batch 和subdvisions：

batch=1
subdivisions=1

（3）进入darknet目录下的src文件夹，打开gemm.c文件，修改time_gpu函数：

将 time_gpu 函数中的

cudaThreadSynchronize();

改为：

cudaDeviceSynchronize();

（4）在etc目录下找到ld.so.conf文件，终端输入：

sudo gedit /etc/ld.so.conf

在文件中加上一行（其实就是opencv的安装路径）：

/usr/loacal/lib

终端再输入：

sudo ldconfig

（5）修改bash.bashrc文件，终端输入：

sudo gedit /etc/bash.bashrc

在文件末尾加入：

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

终端再输入：

source /etc/bash.bashrc

（6）单幅图像测试：

在darknet目录下，终端输入：

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

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

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

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

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

（7）实时视频测试：

在darknet目录下，终端输入：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

参考链接：

https://blog.csdn.net/u014797226/article/details/78429936 （Ubuntu16.04配置Darknet实现YOLO）

https://blog.csdn.net/gzj_1101/article/details/78651650 （Ubuntu16.04配置安装darknet）

http://blog.csdn.net/tmosk/article/details/76578082 （安装darknet /usr/bin/ld:找不到 -lippicv 或者nvcc）

https://pjreddie.com/darknet/yolo/ （官网链接：YOLO: Real-Time Object Detection）

https://blog.csdn.net/csdn_zhishui/article/details/83751944 （[YOLO] darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed. 已放弃 (核心已转储)）