目录
4.2、YOLOv3-tiny(24层深度学习网络)测试方式
1、yolo源码下载下载
从github上clone最新代码
git clone https://github.com/pjreddie/darknet.git
cd darknet
2、修改yolo网络编译选项
我们只需要关注前几行:宏定义及GPU架构。
2.1、配置编译选项
GPU=1 #是否需要用GPU
CUDNN=1 #是否需要用CUDNN,这是NVIDIA做的一些优化,就是一些库文件,优化一些常用的矩阵操作
OPENCV=1 #是否需要用OPENCV,如果不使能程序执行完毕后不会自动弹出照片,且不能使用网络摄像头
OPENMP=1 #CPU的多线程
注意:如果使能CUDA需要制定CUDA路径,不然会报错
/bin/sh: 1: nvcc: not found
make: *** [obj/convolutional_kernels.o] Error 127
解决方法:
# 修改makefile 修改为对应的CUDA 版本
NVCC = /usr/local/cuda-10.0/bin/nvcc
2.2、设置GPU架构的计算能力
#Arch 就是GPU的架构版本,没有GPU或者GPU不支持CUDA的就不用配合这里
ARCH=
-gencode arch=compute_53,code=[sm_53,sm_53] # TX1计算能力是53
-gencode arch=compute_61,code=[sm_61,compute_61] # Pascal架构 GTX 1080 计算能力6.1
-gencode arch=compute_62,code=[sm_62,compute_62] # Pascal架构 TX2 计算能力6.2
-gencode arch=compute_72,code=[sm_72,compute_72] # volta 架构 Xavier 计算能力7.2
3、下载配置文件、权重文件
在dartnet目录:
全功能版107层网络结构权重文件:
wget https://pjreddie.com/media/files/yolov3.weights
Tiny版24层网络结构权重文件:
wget https://pjreddie.com/media/files/yolov3-tiny.weights
4、运行测试
注意:OpenCV 默认没有使能,识别完成后不自动显示图片,需要手动在当前目录找到。
sudo clean
sudo make -j8 #8核CPU 编译
程序自带的可用于测试的图片:
图片 |
data/dog.jpg |
data/person.jpg |
data/horses.jpg |
data/scream.jpg |