yolov3-tiny（yolov3）训练自己的数据集（一）：DarkNet + Ubuntu16.04 + GPU + OpenCV3.4.0 配置篇

最新推荐文章于 2023-08-07 10:58:11 发布
最新推荐文章于 2023-08-07 10:58:11 发布
阅读量4.5k 收藏 41
点赞数 4
分类专栏： 目标检测 深度学习 Linux 文章标签： yolov3-tiny/yolov3训练自己的数据集 ubuntu安装驱动、cuda、cudnn DarkNet环境配置 ubuntu安装opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/y459541195/article/details/102974262
版权

1. 配置显卡驱动、cuda 和 cudnn

这里的显卡是RTX2070，首先需要确保自己的NVIDIA显卡已经安装了相应的驱动，cuda ，和cudnn 。

  • NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念，CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用，CUDA本质上是一个工具包（ToolKit）。
  • NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系，也不是一 一对应的关系，即每一个版本的显卡驱动可能有好几个版本的CUDA与之对应。
  • cuDNN是一个SDK，是一个专门用于神经网络的加速包，cuDNN跟CUDA也不是一 一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应。

1.1 查看显卡驱动是否安装：

nvidia-smi

在这里插入图片描述
显卡驱动已有不用安装了

1.2 查看cuda版本：

nvcc -V

在这里插入图片描述
提示没有安装（其实通过Anaconda安装的虚拟环境有cuda）。
上面看到显卡驱动版本是430，可以安装cuda10.1，从下图中查看适合自己的cuda版本。
在这里插入图片描述

到官网下载cuda:
https://developer.nvidia.com/cuda-downloads

或者命令行安装：

wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

sudo sh cuda_10.1.243_418.87.00_linux.run

在这里插入图片描述

在这里插入图片描述
下载还是挺快的，执行一下安装命令，选择accept,enter键按一下继续
在这里插入图片描述
等几秒钟跳出安装选项，enter一下去掉第项driver中X,不安装它，其它默认，下滑到Install,enter确认安装
在这里插入图片描述
在这里插入图片描述
等待安装完成，完成后如下提示
在这里插入图片描述
根据提示添加环境变量
在这里插入图片描述
打开

sudo nano ~/.bashrc

在文件末尾添加以下环境变量：

export PATH=$PATH:/usr/local/cuda-10.1/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

ctrl+O，enter保存，ctrl+X退出，重新激活一下：

source ~/.bashrc

查看一下版本
在这里插入图片描述
可以看到是cuda10.1

1.3 查看cudnn 版本:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

提示没有存在
到官网下载对应版本的cudnn:https://developer.nvidia.com/rdp/cudnn-archive
在这里插入图片描述
下载后解压以后，输入以下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

在这里插入图片描述
查看一下版本是7.6.4

2. 配置DarkNet环境

2.1 安装opencv

  1. 根据自己情况下对应版本，到官网下载opencv: https://opencv.org/releases/
    这里用的是opencv3.4.0

  2. 还得下载opencv_contrib，地址：https://github.com/opencv/opencv_contrib/releases
    这里用的是opencv_contrib-3.4.0
    在这里插入图片描述
    创建一个文件加opecv，把这两个文件放进去并解压一下
    在这里插入图片描述
    在opencv-3.4.0文件夹下新建两个新的文件夹，分别为build和install

    mkdir build
mkdir install

    在这里插入图片描述

  3. 接着安装一些依赖库

    sudo apt-get install build-essential cmake cmake-qt-gui git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

sudo apt-get install libavcodec-dev libavformat-dev libv4l-dev liblapacke-dev libxvidcore-dev libx264-dev libatlas-base-dev gfortran ffmpeg

  4. 编译opencv3.4.0：
    打开cmake工具

    cd ~
cmake-gui

    点击Browse Source...，选择opencv-3.4.0文件夹
    点击Browse Build...，选择刚刚在opencv-3.4.0文件夹里创建的空文件夹build
    点击左下角Configure
    在这里插入图片描述
    弹出选项框，不用更改，直接点击Finish
    在这里插入图片描述
    耐心等待
    在这里插入图片描述
    显示Configuring done后
    在这里插入图片描述
    在Search查找框中输入extra，找到OPENCV_EXTRA_MODULES_PATH设置路径为opencv_contrib-3.4.0里的modules文件夹
    在这里插入图片描述
    在搜索框输入install，找到CMAKE_INSTALL_PREFIX，更改一下默认路径，路径为刚刚创建的install文件夹（opencv-3.4.0里面），这是为了以后安装多个opencv版本，避免冲突
    在这里插入图片描述
    再次点击Configure开始配置，耐心等待直到显示Configuring done，然后再次点击Configure直到所有选项的红色状态消失了。
    在这里插入图片描述
    在这里插入图片描述

  5. 最后点击Generate
    在这里插入图片描述

  6. 退出cmake,进入opencv-3.4.0文件夹下的build目录
    输入：

       cd ~/Downloads/opencv/opencv-3.4.0/build
   make -j4

    在这里插入图片描述

  7. 报错：

    在这里插入图片描述

    "fatal error: dynlink_nvcuvid.h: No such file or directory compilation terminated"

    解决办法：
    ctrl + Alt +T 重新开个终端，再次打开cmake工具

    cmake-gui

    搜索cudacodec，找到”BUILD_opencv_cudacodec“项，把方框里的对号去掉。
    重新点击Configure，显示Configuring done后点击Generate

    在这里插入图片描述
    重新编译即可。
    在这里插入图片描述

    接着输入：

    make install

    等待安装完成。

  8. 进入opencv-3.4.0目录里install文件夹，将里面三个文件复制到usr/local/… 目录下
    在这里插入图片描述
    输入：

    cd ~/Downloads/opencv/opencv-3.4.0/install

sudo cp -r include /usr/include/opencv3.4.0

sudo cp -r lib /usr/lib/opencv3.4.0

sudo cp -r bin /usr/bin/opencv3.4.0

    打开ld.so.conf文件

    sudo nano /etc/ld.so.conf

    添加一行变量:在这里插入图片描述/usr/lib/opencv3.4.0是opencv安装路径，也就是makefile中指定的安装路径
    保存一下，运行sudo ldconfig
    接着，修改bash.bashrc文件：

    sudo nano /etc/bash.bashrc

    在文件末尾加入：

    PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/lib/opencv3.4.0/pkgconfig
export PKG_CONFIG_PATH

    在这里插入图片描述
    激活一下： source /etc/bash.bashrc

  9. 查看opencv版本

    pkg-config --modversion opencv

    在这里插入图片描述
    至此，opencv配置完成。

2.2 DarkNet编译测试

下载DarkNet框架:

git clone https://github.com/pjreddie/darknet
cd darknet
make

darkne文件夹里的 Makefile文件默认 是使用 CPU,
用GPU要修改一下：

GPU=1 　　　# 是否打开GPU
CUDNN=1 　　# 是否打开cudnn
OPENCV=0　　# 是否打开opencv

修改后保存，每次修改记得重新编译一下

make clean
make

下载预训练模型权重yolov3.weights来做一下测试
下载地址：

wget https://pjreddie.com/media/files/yolov3.weights

测试一张图片：

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

#或者
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

在这里插入图片描述
测试完成。
未完待续～

Reference:
https://www.cnblogs.com/WushiShengFei/p/10002502.html
https://blog.csdn.net/wanzhen4330/article/details/81699769
https://pjreddie.com/darknet/yolo/

圆滚熊
关注
  • 4
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。 除本课程《Windows版YO
darknet框架下yolov3实战（一）
计算机视觉算法开发与落地
02-05 3485
基于darknet的目标检测训练，测试教程。
新手darknet+yolov3-tiny安装+跑一个自己的数据集
weixin_40728070的博客
08-16 5478
最近因为工作需要学习了目标检测， darknet下载https://github.com/pjreddie/darknet yolov3.weights下载https://github.com/ultralytics/yolov3 我使用的darknet框架+yolov3-tiny（最开始使用的是yolov3，但是我的电脑是超薄本，显存不够用，.cfg文件中的参数b s设置的不合理，因为一个...
实现yolo3模型训练自己的数据集总结
热门推荐
m0_37857151的博客
08-01 5万+
     经过两天的努力，借鉴网上众多博客，在自己电脑上实现了使用yolo3模型训练自己的数据集并进行测试图片。本文主要是我根据下面参考文章一步步实施过程的总结，可能没参考文章中那么详细，但是会包含一些参考文章中没提及的容易掉坑的小细节，建议读者结合参考文章一起看，一步步走即可。首先贴出本文主要参考的文章以及代码出处： 代码：https://github.com/qqwweee/keras-yo...
yolov3-tiny:Android端基于darknet2ncnn之实现二
liuwei36120516的博客
12-31 2337
经过一段时间的反复摸索，终于在Android端基于darknet2ncnn的框架实现了yolov3-tiny，一张图片的检测时间为500ms以内，基本满足需求，接着分享该实现的第二部分内容，同时也欢迎大家关注我的微信公众号“机器视觉交流社”或个人微信号“LuckyZiXiao”进行交流。 前提：在pc端已经编译好darknet2ncnn环境，并且将Android下需要的...
我的AI之路(50)--用Darknet训练YOLOv3和YOLOv3 Tiny
XCCCCZ的博客
06-27 1362
首先获得darknet的官方源码并做配置修改并编译: git clone https://github.com/pjreddie/darknet.git cd darknet vi Makefile 修改如下项目: GPU=1 CUDNN=1 OPENCV=1 OPENMP=0 DEBUG=0 ARCH= -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencod...
零基础入门darknet-YOLO3或YOLOv3-Tiny模型训练
hlm15的专栏
08-03 3111
前言：有兴趣的可以先查看官网主页。接下来从零开始实现自己的一个简单demo：自动识别库里和杜兰特，从而入门darknet-YOLO3世界。总体来说，分为如下步骤： 数据集构建，训练模型，测试模型，评估模型。 一. 数据集构建 1. 收集图片与编号 这里的图片是从网上下载库里和杜兰特的图片。为了规划数据，减少出错的可能性，先给自己的图片编一个合理的序号，比如0001~0999。由于时间原因，只下载了68张图片，当然，这些数据对于训练一个很好的模型是远远不够的。 2. 标注数据 windows下lab
基于darknet部署yolov3-tiny ros结合yolov3-tiny目标检测 Ubuntu下使用yolov3-tiny
Yangxiaoaijiejie的博客
09-23 1084
在Ubuntu下使用darknet（yolov3-tiny）实现目标检测，包括图片、视频、摄像头检测。
yolov3-tiny训练自己的数据集
Sunhansong的博客
07-11 2959
yolov3制作并训练自己的VOC数据集 一、制作VOC数据集 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高
yolov3-tiny训练自己的数据集(重在步骤，不究原理)
FriendshipTang的博客
02-06 3307
yolov3-tiny训练自己的数据集环境条件源码下载准备数据三级目录 环境条件 Python 3.6.0 Opencv 3.4.0 Tensorflow 1.14.0 或 Tensorflow-gpu 1.14.0 GTX1050 2G 源码下载 准备数据 三级目录
使用现有数据集和自己的数据训练yolov3&yolov3_tiny模型
easen的博客
09-15 2681
因为项目中需要检测定制的种类，所以需要使用yolov3重新训练新的数据。yolov3-tiny以及yolov4、yolov4-tiny也都顺便训练了一下，训练过程大同小异，主要是数据的收集、分类、标注、标签转换。 第一步：开源数据集的下载和标注转换(从COCO转换成XML) open-images-v6包含600多个种类的图片，coco-2017数据集包括了80个种类。其中很多种类是我们不需要的，所以只需要使用其中的子集就可以。 1、使用fiftyone...
YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。 除本课程
YOLOV3-Tiny模型的训练，量化以及在海思芯片上的部署
06-21
基于无人零售商品数据集训练yolov3 tiny?? a）无人零售数据集介绍?? b）配置文件data和cfg的介绍和修改?? c）模型训练和较优模型的挑选4）yolov3 tiny darknet模型转换成caffe model5）wk模型生成及其仿真验证?? a）...
yolov7-tiny.weights和yolov7-tiny.conv.87预训练模型文件下载
08-06
这是dakknet官方发布的yolov7-tiny版本的weights和预训练模型
yolov3-tiny.conv.15
07-13
pytorch yolov3 目标检测 yolov3-tiny.conv.15 yolov3 yolov3-tiny.conv.15 权重文件
yolov3-tiny 完整训练自己的数据集步骤（数据准备、模型训练和测试、计算mAP和recall）
南洲.的博客
03-26 1万+
        最近项目需要要进行yolov3-tiny训练自己的数据，参考了一些网上的方法和自己以前做faster-rcnn的经验，总结了自己步骤，以供学习。本文前提是已经编译过opencv源码，安装好cuda和cudnn等，我的博客中有编译和安装参考。      &...
小白第一次跑yolov3模型经历
最新发布
qq_39446635的博客
08-07 1654
本文模型实在Windows11系统下进行的，运用的编程工具是pycharm，python3.11版本，gpu是cuda11.8,框架采用的是pytorch。前者包含9964个.xml文件，后者包含对应的9964个.jpg文件，前者文件里包含的是后者对应图片文件的标签信息。而VOCdevkit文件下的VOC2007文件夹只需要Annotationa文件和JPEGimages文件即可，然后新建一个label文件夹用来存放yolov训练需要txt格式的标签文件。回车显示True，就说明可以使用gpu运行代码。
获取tiny-yolov3预训练权重 生成map
qq_35608277的博客
04-14 865
首先下载yolov3_tiny.weights wget https://pjreddie.com/media/files/yolov3_tiny.weights 然后在darknet中执行 ubuntu: ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 windows: darknet.exe partial cfg/yolov3-tiny.cfg yolov3-tiny.weights
Pytorch实现YOLOv3训练自己的数据集
陶陶name
08-01 4万+
1.说明： 最近一直在研究深度学习框架PyTorch,就想使用pytorch去实现YOLOv3的object detection.在这个过程中也在各大论坛、贴吧、CSDN等中看了前辈们写的文章，在这里由衷的感谢帮助过我的朋友们，真的很感谢！！！！ 接下来就将这一过程写在下面，希望对在学习计算机视觉的小伙伴有一定的帮助 2.环境： 笔者的环境: ubuntu18.04 PyTorch 1....
yolov4-tiny如何训练自己数据集
03-31
其中，`<path to data>`指的是数据集的配置文件路径，`<path to config>`指的是YOLOv4-tiny的配置文件路径，`<path to pre-trained weights>`是预训练权重文件的路径。 5. 测试模型：使用测试集对训练好的模型进行...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

圆滚熊

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

实付元
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