运行yolov4+GPU首先需要确定运行环境,本机环境为windows10|cpu i5-8250u|gpu mx110|opencv3.4.5|vs2019 |cmake3.16.3
1.首先需要确定自己笔记本电脑GPU支持的cuda版本,在 NVIDIA控制面板中点击帮助,组件,即可看到CUDA 11.2.136,本人安装版本cuda10.1,不能 高于查询版本
2.去NVIDIA下载驱动
CUDA10.1https://developer.nvidia.com/cuda-10.1-download-archive-update2
CUDNN自行寻找对应版本或者自行上网搜索资源
官方链接 https://developer.nvidia.com/zh-cn/cudnn
建议CUDA自定义安装,并且不要勾选VS integration选项
快捷键"WIN+R"调出运行窗口,输入cmd后回车,在弹出的窗口中输入nvidia-smi或
nvcc -V确定安装成功
3.将CUDNN复制到对应文件夹下
4.opencv的编译与配置会单独出一篇,这里默认已经下载安装并且设置好了环境变量;这里主要说明cuda安装
首先
C:\ProC:\Program Files\NVIDIA GPU Computing Tool kit\CUDA\v10.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
这两个路径新增到环境变量(V10.1是因为下载的CUDA版本是10.1,需要要用自己的路径)
然后
修改darknet.vcxproj
使用任意文字编译器(记事本也可以)打开darknet-master/build/darknet下的darknet.vcxproj
找到两处有CUDA版本号的地方(一般55 & 307行附近)
将这里的10.0改为自己的版本号,然后保存
<Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 10.1.props" />
<Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 10.1.targets" />
再然后
将下载的opencv档案的build/x64/vc14/bin下的这两个文件
复制到darknet-master/build/darknet/x64里面
最后
把
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\
visual_studio_integration\MSBuildExtensions
路径下的四个档案
复制到
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\v140\BuildCustomizations
和
C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\v140
5.下载YOLOV4源码解压
https://codeload.github.com/AlexeyAB/darknet/zip/master
6.Cmake编译
选择依次点击vs2019,unix依次点击configue generate 即可
7.用vs2019打开 darknet-master\build\darknet\darknet.sln 确定弹出的升级窗口,设置为Release,x64编译 生成可执行文件
8.运行
windows+r,输入cmd,进入自己对应的build/darknet/x64下
Yolo v4 COCO - image:
darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25
Output coordinates of objects:
darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg
Yolo v4 COCO - video:
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4
Yolo v4 COCO - WebCam 0:
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0
Yolo v4 COCO for net-videocam - Smart WebCam:
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights http://192.168.0.80:8080/video?dummy=param.mjpg`
Yolo v4 - save result videofile res.avi:
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4 -out_filename res.avi
Yolo v3 Tiny COCO - video:
darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights test.mp4
JSON and MJPEG server that allows multiple connections from your soft or Web-browser ip-address:8070 and 8090:
./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights test50.mp4 -json_port 8070 -mjpeg_port 8090 -ext_output
Yolo v3 Tiny on GPU #1:
darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights -i 1 test.mp4
致敬!永远的RoboMaster!