Jeston NX 学习笔记（二）欢迎咨询

深度学习Jeston NX 部署学习笔记（二）OPENCV安装和YOLOv4配置（欢迎咨询）

##YOLOv4环境搭建和运行测试
参考资料：

https://blog.csdn.net/qq_30287833/article/details/124651894#t4
2. https://editor.csdn.net/md/?articleId=128417022
3.https://blog.csdn.net/chichu261/article/details/84981412?
4.https://blog.csdn.net/linghu8812/article/details/100867702?

**

前言

在上一文中我们对简单历程进行了测试而Darknet是一个轻型的深度学习和训练框架，从这一点上，它和tensorflow以及pytorch这种没有什么不同，特点在轻型二字，它主要对卷集神经网络进行了底层实现，并且主要用于YOLO的目标检测，接下来我们需要搭建环境进行自主测试yolov4模型。**

一、OPENCV卸载与安装

相信不少小伙伴都已经发现了一个问题，那就是安装好环境之后发现允许yolov4的文件时，会出现darknet测试视频出现video-stream stopped Video isn’t exist or has wrong path. 真的可能是路径错了,视频文件的路径错了！！！！！！（巨坑）
而且在系统界面时opencv后面是，cuda：no 今天给大家解决这个疑惑，这个问题说明你的系统原生opencv不支持cuda，因此需要我们自己将其卸载并且重新安装编译opencv环境！（必须谨慎！！！）

参考连接：https://blog.csdn.net/weixin_45306341/article/details/127926178
按这篇文章的流程和下载方式还是不够的**（无恶意）**，只能说明在我自己编译时出现了问题，由于这个make j8时间较长（2-3小时左右）然后仍不成功，很容易击溃人的自信，因此我为大家有推荐了一篇文章，大家结合着来看

话接上文，在我自认为我编译过后就成功下载了opencv后即可运行yolov4文件，错！！！！！
出现了一个很头痛的问题：
解决error while loading shared libraries: libXXX.so.X: cannot open shared object file: No such file
这个问题困扰我几个小时，在csdn中的方法都是寻找缺失文件并复制，这些方法都是不正确的！！！！
只需要一行指令即可消失此错误。

sudo apt-get install libopencv-dev

避免大家走弯路而失去信心详情请看这篇文章

https://blog.csdn.net/linghu8812/article/details/100867702?spm=1001.2014.3001.5502

处理好我们系统的OPENCV之后我们可以开始对yolov4进行测试了。

二、 YOLOv4测试：

下载包和模型：

---

配置darknet环境

---

YOLO官方网址：https://pjreddie.com/darknet/yolo/

YOLOv4项目地址：https://github.com/AlexeyAB/darknet

下载darknet：

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

修改Makefile文件：

cd darknet
gedit Makefile

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1

修改完Makefile之后，执行命令(在darket目录下)：

make

下载 yolov4.weights 权重文件(在darket目录下)：这里参考大佬链接

wget https://pjreddie.com/media/files/yolov4.weights
或者
链接：https://pan.baidu.com/s/16T8s4-SsjWuZSiS_J5TmHA 
提取码：6666 

修改Makefile以下几项：

GPU=1
CUDNN=1
CUDN_HALF=1
OPENCV=1
LIBSO=1
NVCC=/usr/local/cuda-10.2/bin/nvcc

在darknet-master文件夹下打开终端命令行，对进行编译 make，完成后就可以进行下面的测试了。

对图像进行检测：

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/horses.jpg

检测结果：图片效果十分不错！

对视频进行检测：

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights data/123.mp4

一定要注意路径问题阿！！！！不然仍会报错！！！

这是我检测的视频结果，还算满意（因为证明环境和opencv编译成功哦了）

对摄像头采集的数据进行检测：

./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4.cfg yolov4.weights /dev/video2  # 加入了摄像头参数

video后面的数字是根据自己的设备来的，0或1或2，挨个试一试

检测结果：

换用yolov4-tiny进行测试

./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights
# 或 ./darknet detector demo  cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights /dev/video2

加入了摄像头参数

换用yolo-tiny后，输入为1920x1080时帧率几乎不变还是2.5fps，这部分我目前还挺好奇的。加入摄像头操参数后，输入为640x480后，帧率为30fps（可能受摄像头帧率的影响）

至此对yolov4的模型调试完毕，均可正常使用。

最后我想给一些初学者一点小tips：
学习的过程就是发现错误的一个过程，如果没有问题，不去解决，岂不是永远一劳永逸，发现问题的同时也不要专牛角尖，换一种思路想一想，换一种方法试一试，也许答案就出来了！！多种方法结合最后提炼属于自己的id！

目标在下一篇文章里介绍其他更新的模型在NX环境中，搭建环境，并给大家解决问题，如果大多小伙伴喜欢此系列的欢迎点赞收藏哦！