VS Code调试Darknet

一、安装插件

在这里插入图片描述

二、连接服务器

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、调试darknet工程

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

{
    "version": "2.0.0",
    "options": {
        "cwd": "${workspaceFolder}"
    },
    "tasks": [
        {
            "label": "clean",
            "type": "shell",
            "command":"make",
            "args": ["clean"]
        },
        {
            "label": "Build",
            "type": "shell",
            "dependsOn":"clean",
            "command": "make",
            "args": []
        }
    ]
}

tasks.json文件内容固定,无需修改

在这里插入图片描述

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "C/C++: gcc-10 生成和调试活动文件",
            "type": "cppdbg",
            "request": "launch",
            "program": "${workspaceFolder}/host/darknet",
            "args": ["detector",
                    "test",
                    "cfg/coco.data",
                    "cfg/yolov4-tiny.cfg",
                    "yolov4-tiny.weights",
                    "data/person.jpg"],
            "stopAtEntry": false,
            "cwd": "${workspaceFolder}/host",
            "environment": [],
            "externalConsole": false,
            "MIMode": "gdb",
            "setupCommands": [
                {
                    "description": "为 gdb 启用整齐打印",
                    "text": "-enable-pretty-printing",
                    "ignoreFailures": true
                },
                
            ],
            "preLaunchTask": "Build",
            "miDebuggerPath": "/usr/bin/gdb"
        }
    ]
}

其中的arg参数为项目编译后运行的命令

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
PyTorch Darknet 是一个基于深度学习框架PyTorch开发的用于目标检测和图像分类的工具包。它由Joseph Redmon开发,是Darknet框架在PyTorch上的实现版本。 PyTorch Darknet的主要特点包括简单易用、高效灵活和强大的性能。它提供了丰富的预训练模型和网络结构,可以快速在大规模数据上进行训练和推理。同时,它也支持自定义网络结构和算法,可以根据具体需求进行扩展和修改。 PyTorch Darknet使用Python作为开发语言,具有良好的可读性和可扩展性。它通过PyTorch的动态计算图机制,可以方便地进行模型的构建和调试。此外,PyTorch Darknet还提供了丰富的工具和函数库,可以用于数据加载、模型评估、模型融合等常用任务。 在目标检测方面,PyTorch Darknet支持多种流行的模型,如YOLO(You Only Look Once)、YOLOv3等。这些模型具有快速且准确的检测效果,在实时性和准确性上具有优势。同时,PyTorch Darknet还提供了训练和测试的脚本,可以方便地对模型进行训练和评估。 在图像分类方面,PyTorch Darknet同样提供了一系列经典的模型,如ResNet、MobileNet等。这些模型在ImageNet等大规模数据集上表现出色,并且可以通过迁移学习应用到自己的数据集上。 总之,PyTorch Darknet是一个实用而强大的深度学习工具包,可以在目标检测和图像分类等任务上提供高效而准确的解决方案。它的简单易用性和丰富的功能使得开发者能够更快速地实现自己的想法,并在实践中取得良好的效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

it00zyq

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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