ubuntu16.04编译运行YOLOv4

最新推荐文章于 2024-08-09 22:09:21 发布
最新推荐文章于 2024-08-09 22:09:21 发布
阅读量4.2k 收藏 26
点赞数 3
分类专栏： 深度学习
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/zbr794866300/article/details/106409320
版权
本文档详细介绍了在Ubuntu 16.04上编译运行YOLOv4的步骤，包括下载YOLOv4源码，针对CPU和GPU的编译方法，以及解决编译过程中遇到的问题。同时，提供了测试YOLOv4的命令，并对比了YOLOv4和YOLOv3在GPU测试下的表现。
摘要由CSDN通过智能技术生成

YOLOv4使用GPU测试及训练配置要求:

CUDA 10.0  cudnn 7.0以上 opencv2.4以上 

YOLOV4的权重文件以及训练预权重文件链接如下:

https://pan.baidu.com/s/18Gq97bhUzLz2i8wnvSBy8g 提取码:4131

满足配置的情况下详细过程如下:

1.下载YOLOV4

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

2.编译

(1如果只用CPU测试,没有安装CUDA和Cudnn,直接cd到指定目录下make编译即可.

cd darknet
make

之前可能会报错

error: ‘for’ loop initial declarations are only allowed in C99 or C11 mode

Makefile:162: recipe for target 'obj/network.o' failed

是因为darknet/src/network.c代码中for循环哪里有点问题,需要将将for循环中int batch=0改成batch=0，并在for循环前加上int batch.但是现在github上的已经更新维护,都已经修改过了.

(2)装了对应版本的CUDA和cudnn,需要用到GPU测试和训练等.

首先,打开darknet下的Makefile文件,将一些参数修改GPU=1,CUDNN=1,opencv=1,以及第64行的NVCC修改到自己电脑下CUDA的目录下如下所示:

最低0.47元/天 解锁文章
berry丶
关注
专栏目录
yolo-python-rtsp:通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测
05-29
通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行对象检测 通过实时流协议 ( RTSP ) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测 识别出的对象按日期存储在每个类的文件夹中，以供进一步培训或人脸识别。 OpenCV dnn模块支持在来自 Caffe、Torch 和 TensorFlow 等流行框架的预训练深度学习模型上运行推理。 在对象检测方面，流行的检测框架是 优洛 固态硬盘 更快的 R-CNN 最近在 OpenCV dnn 模块中添加了对运行 YOLO/DarkNet 的支持。 依赖关系 opencv 麻木 imageio-ffmpeg pip install numpy opencv-python imageio-ffmpeg 注意：不支持 Python 2.x YOLO（你只看一次） 从此下载预训练的
Ubuntu18.04配置darknet环境实现YOLOv4目标检测(一)——配置YOLOv4环境darknet
热门推荐
linghu8812的博客
09-16 1万+
目录 1. 概述 2.darknet配置 2.1 下载darknet 2.2 编译darknet 3.测试 3.1 测试图片 3.2 测试视频 1. 概述 YOLO官方网址：https://pjreddie.com/darknet/yolo/ 作者开源项目地址：https://github.com/pjreddie/darknet YOLOv1论文地址：https://...
ubuntu18.04配置yolov8环境
最新发布
木木没有跶
08-09 916
ubuntu18.04, 显卡2060,CUDA 版本根据系统推荐通过指令lsmod | grep nouveau查看nouveau驱动的启用情况， 如果有输出表示nouveau驱动正在工作， 如果没有内容输出则表示已经禁用了nouveau。
Ubuntu18.04配置darknet环境实现YOLOv4目标检测(二)——基于YOLOv4训练自己数据
linghu8812的博客
04-27 7506
目录1. 数据准备1.1 下载VOC数据1.2 生成数据标签1.3 下载预训练模型2. 训练数据2.1 准备cfg文件2.2 准备训练脚本文件sh 完成darknet环境配置后，可以在darknet框架下进行目标检测数据训练。 1. 数据准备 1.1 下载VOC数据 参考https://pjreddie.com/darknet/yolo/网站介绍，下载VOC数据。 wget https://pjr...
ubuntu18.04, yolov4配置，训练自己的数据集
weixin_46813375的博客
10-04 1906
一、ubuntu18.04下配置yolov4 ubuntu18.04下跑通yolov4的demo很简单。编译前要保证cuda, cudnn, opencv的系统环境正确。 下载完源码并修改完makefile文件编译通过后直接执行： ./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25 ./data/dog.jpg 如果检测正确，即可进行下面的训练步骤。 参考链接： Ubuntu18.04配置dar
『heqingchun-ubuntu编译使用darknet-yolov4』
heqingchun16的博客
03-16 343
ubuntu编译使用darknet-yolov4
ubuntu16.04源码编译wireshark2.6.10
06-21
解压文件后进入到bin目录， 打开终端，需要指定临时的环境变量，...终端运行： export LD_LIBRARY_PATH=解压后的lib库路径:$LD_LIBRARY_PATH 再次运行wireshark， ./wireshark 如果出错，ldd wireshark查看缺什么库。
ubuntu16.04 linux 编译安装apache2.4.33的教程详解
09-15
总结来说，这个教程涵盖了从下载Apache源码到在Ubuntu 16.04上编译安装和配置Apache 2.4.33的全过程。虽然手动编译安装比使用官方存储库中的预编译包更复杂，但这种方法允许你根据需要定制Apache的配置，以满足特定...
Ubuntu 16.04编译支持视频的pjsip
01-18
在本文中，我们将深入探讨如何在Ubuntu 16.04操作系统上编译并构建支持视频功能的pjsip库。pjsip是一个开源的多媒体通信库，它提供了丰富的API来实现VoIP（Voice over IP）和即时消息服务。Ubuntu 16.04作为一个长期...
基于ubuntu16.04编译的Poco库
04-22
基于ubuntu16.04编译的Poco库 Poco库版本：1.8.0.1 POCO库是强大的的跨平台C++库，可以用来编写多平台的网络应用程序，这些平台包括桌面端、服务端、移动端、IOT(物联网)、嵌入式系统等。总的来说是一个非常强大的...
Ubuntu16.04编译环境搭建
04-30
Ubuntu16.04安卓编译环境搭建，重安装系统和安装必要的编译库文件，对应虚拟机的安装
Ubuntu16.04下YOLO V3训练自己的数据集（超详细））
10-13
Ubuntu16.04下YOLO-V3的配置方法，里面添加了一些配置成功的网址，实测有效
darknet 版本yolo v1 - v4 编译及环境配置 Ubuntu18.04
you 是 mine
08-11 1134
darknet训练自己的数据 一. 电脑环境 1. GPU: 1080TI 2. CUDA:10.0 3. tensorflow:1.14.0 4. keras:2.3.1 5. Ubuntu18.04 CUDA CUDNN等具体安装步骤见: https://blog.csdn.net/qq_28949847/article/details/110122179 二. github网址 https://github.com/AlexeyAB/darknet 三.环境配置 步骤: 1. cd darknet
[Error] ‘for‘ loop initial declarations are only allowed in C99 or C11 mode 解决方法
梦凝哲雪
12-04 2192
好久没用C写代码 手上编译器只有 许久之前更新的 20.03版的CodeBlocks在编译C文件的时候 突然在循环语句上面 无法编译，一下蒙了。写了这么久代码，咋简单for循环语句都能写错了呢只要自己不尴尬，尴尬的就是别人 ┭┮﹏┭┮定眼一看 提示循环中初始化声明问题，简单理解就是变量的生命周期问题 因为 gcc 在编译中是基于 C89 标准的，这个标准不允许在 for 循环内声明变量，而需要在循环前声明在Settings菜单栏下找到Compiler…菜单项，如下图： 在Global compiler
超级详细Ubuntu20.04.5系统下编译安装OpenCV with ffmpeg4.2.7、NVIDIA显卡驱动515、cuda11.5、cudnn8.3.3并编译使用darknet-yolov4
heqingchun16的博客
09-24 3631
超级详细Ubuntu20.04.5系统下编译安装OpenCV with ffmpeg4.2.7、NVIDIA显卡驱动515、cuda11.5、cudnn8.3.3并编译使用darknet-yolov4
ubuntu下快速实现yolo v3目标检测
乐观的lishan的博客
06-17 4083
摘要：本文以尽可能少的步骤和安装命令，实现在最短的时间内搭建yolo的运行环境，让yolo在你的电脑上跑起来的目的，这些简化的命令是作者在多次安装之后的经验下总结的，希望对刚入手yolo的朋友有所帮助。yolo的运行环境有darknet、opencv、cuda、cudnn，根据硬件情况，又可分为cpu版本和gpu版本两种，其中gpu环境是在cpu的环境基础上增加了cuda和cudnn。必须注意的是，只有nvidia的显卡才支持gpu运行环境。
YOLOv4目标检测实战：训练自己的数据集
04-26
课程演示环境：Ubuntu需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：训练自己的数据集》，课程链接https://edu.csdn.net/course/detail/28748YOLOv4来了！速度和精度双提升！   与 YOLOv3 相比，新版本的 AP（精度） 和 FPS （每秒帧率）分别提高了 10% 和 12%。   YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。   本课程的YOLOv4使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：安装YOLOv4、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。还将介绍改善YOLOv4目标训练性能的技巧。   除本课程《YOLOv4目标检测实战：训练自己的数据集》外，本人将推出有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：人脸口罩佩戴识别》《YOLOv4目标检测实战：中国交通标志识别》《YOLOv4目标检测：原理与源码解析》
Ubuntu下如何编译YOLO
LavenderSs's Tech-Blog
08-01 2199
1.Install NVIDIA Driver 352.39 + CUDA + CUDA-Sample + OpenCV 2.Download and build darknet (See more:http://pjreddie.com/darknet/install/) --sudogedit Makefile: OPENCV=1 or GPU=1 --makeclean --
QT+ubuntu16.04+opencv410+darknet yolo v3编译测试
LoveWeeknd
09-18 1078
1、QT安装和opencv编译省略，网上一大堆 2、编译darknet 1）下载源码 git clonehttps://github.com/AlexeyAB/darknet.git 2）进入源码目录创建build文件夹，然后cd到build目录，由于我工程目录下已经有了build，因此我直接创建build2 mkdir build2 cd build2 2）开始编译 cmake .. make sudo make install 3、配置QT+代码测试，测试代码可以在y..
ubuntu16.04配置yolov5
08-18
在Ubuntu 16.04上配置yolov5的步骤如下： 1. 首先，安装Anaconda。你可以从Anaconda的官方网站下载适用于Ubuntu 16.04的安装程序，并按照指示进行安装。 2. 下载yolov5的代码库。你可以使用git命令在终端中克隆yolov5的代码库。在终端中执行以下命令： ``` git clone https://github.com/ultralytics/yolov5.git ``` 3. 进入yolov5的目录。在终端中执行以下命令： ``` cd yolov5 ``` 4. 创建一个新的conda环境并激活。在终端中执行以下命令： ``` conda create -n yolov5 python=3.7 conda activate yolov5 ``` 5. 安装依赖项。在终端中执行以下命令： ``` pip install -r requirements.txt ``` 6. 配置显卡驱动。根据你的显卡型号，在官方网站下载并安装相应的显卡驱动。 7. 下载yolov5的预训练权重。你可以从yolov5的官方GitHub仓库下载预训练权重文件，并将其放置在yolov5目录下的weights文件夹中。 8. 现在，你可以使用yolov5了。在终端中执行以下命令来测试yolov5： ``` python detect.py --source path/to/image.jpg --weights weights/yolov5s.pt --conf 0.4 ``` 其中，"path/to/image.jpg"是你要检测的图像文件的路径，"weights/yolov5s.pt"是预训练权重文件的路径，"0.4"是置信度的阈值。 希望这些步骤可以帮助你在Ubuntu 16.04上成功配置yolov5。如果你遇到任何问题，请告诉我。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [Ubuntu16.04配置YOLOv5环境](https://blog.csdn.net/duduhanna/article/details/124046806)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [Ubuntu16.04 LibTorch部署yolov5](https://blog.csdn.net/qq_49175257/article/details/122357598)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 5
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
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