Skip to content

Latest commit

 

History

History
executable file
·
350 lines (224 loc) · 10.2 KB

Ubuntu18.04 install darknet yolo-v3|cuda|cudnn|opencv|anaconda.md

File metadata and controls

executable file
·
350 lines (224 loc) · 10.2 KB
Raw

Ubuntu18.04安装测试darknet yolo-v3|cuda|cudnn|opencv|anaconda

机器配置：

cpu：i3-9400

gpu：gtx1650-4g

系统版本：Ubuntu18.04

前段时间接触到darknet目标检测的项目，由于需要做效率优化，之前在mac上使用yolo3，项目开发很顺利，最终瓶颈是cpu的运算速度，故需要在有显卡的机器进行测试。

[TOC]

一. Darknet项目

项目官网：https://pjreddie.com/darknet/yolo/

使用方式也很简单，官网都有介绍，这里就举个例子：

  • 下载编译项目：
git clone https://github.com/pjreddie/darknet
cd darknet
make
  • 下载权重文件：
wget https://pjreddie.com/media/files/yolov3.weights
  • 测试
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

然后在项目根目录下会生成predictions.png，打开即可看到效果。

到这里就可以进行二次开发了，但是都是基于CPU的，无论是前期的训练还是后期的测试，速度都是很慢的，GPU的速度在我测试下有200倍的提升（我的GPU一般，还有很大提升空间）。

二. Ubuntu安装NVIDIA显卡驱动|CUDA|CUDNN

要使用GPU进行项目的运算，除了改项目的配置以外，最重要，也是比较麻烦的部分就是环境的安装，坑比较多，需要细心一点。

2.1 显卡驱动

输入命令看一下系统推荐的驱动版本号，再进行相应版本的驱动安装即可。

命令：ubuntu-drivers devices

(base) iron@iron-H310M-S2-2-0:~/桌面/share/darknet$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001F82sv00001B4Csd00001320bc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-440 - third-party free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

可以看到我的系统recommended版本是nvidia-driver-440，直接使用命令安装：

sudo apt-get install nvidia-driver-440

测试安装是否成功：

使用nvidia-smi命令，输出显卡信息即成功。

提示：显卡驱动也可以去NVIDIA官网查询对应的版本进行安装，下载Linux版本即可。我个人习惯使用上面的方式。

2.2 CUDA

CUDA官网下载页面：https://developer.nvidia.com/cuda-toolkit-archive

目前出到了10.2版本，不过我下载的10.1，为了求稳，也为了遇到问题能在网上找到更多的解决办法。

下载选择：Linux-->x86_64-->ubuntu-->18.04-->runfile

这里将我下载的10.1版本传到百度了：链接: https://pan.baidu.com/s/1PyQJcR3G-kKIHqOFtFiBHg 提取码: ssp9

  • 安装依赖

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

  • 安装CUDA

进入CUDA的下载目录，执行安装：

sudo ./cuda_10.1.105_418.39_linux.run

安装过程没什么可说的，唯一要注意的是：在出现Install NVIDIA Accelerated Graphics Driver for Linux-x86_64?时，输入no，因为上一步我们装过显卡驱动了，这里不用安装，其他步骤都是yes或者回车。

  • 配置环境变量

配置前确定指定的目录已经存在

sudo vi ~/.bashrc
#文件末尾添加
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
#刷新配置文件
sudo source ~/.bashrc
  • 测试

检查是否安装成功

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery sudo make ./deviceQuery

输出CUDA VERSION等信息即成功

2.3 CUDNN

cudnn安装要注意的是版本要和cuda一致，下载页面：https://developer.nvidia.com/rdp/cudnn-download

下载需要注册开发者账号，按照步骤注册即可。

百度云10.1版本：链接: https://pan.baidu.com/s/1oAsw6LUMpjW9NfNL_JVIJA 提取码: zvui

  • 将cudann的压缩包解压
  • 解压后得到cuda文件夹，文件夹和cuda安装目录中的文件夹是对应的，将文件复制到cuda对应的文件夹中即可

上一步的cuda安装完成以后路径为：/usr/local/cuda10.1

示例：

tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz

sudo cp cuda/include/cudnn.h    /usr/local/cuda10.1/include
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda10.1/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h   /usr/local/cuda10.1/lib64/libcudnn*

最后更新软链接，这步如果不执行，后面会报错xxxxxx.so.x 不是符号链接

这个so文件的版本要提前看好，我文件夹里的so文件是libcudnn.so.7.6.5

cd /usr/local/cuda-10.1/lib64/  

sudo chmod +r libcudnn.so.7.6.5
sudo ln -sf libcudnn.so.7.6.5 libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig

或者在遇到某某so文件不是符号链接的错误时，执行：sudo ldconfig -v，找到错误的so文件，创建一个软链。

三. 使用GPU测试运行项目

前面装好了所需的环境，接下来测试yolo项目是否可以在GPU下运行。

  • 修改darknet项目配置文件

在darknet项目根目录下有Makefile文件，修改其中配置：

GPU=1
CUDNN=1
  • 重新编译项目：

make clean

make

  • 测试：

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

这里是我的测试速度对比：质的飞跃

  • CPU
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 19.692001 seconds.
dog: 6379%
truck: 1609%
truck: 226%
bicycle: 3912%
  • GPU
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.131651 seconds.
dog: 100%
truck: 92%
bicycle: 99%

四. 配置OPENCV

出于对darknet视频实时检测的好奇，决定自己做一个目标检测的样例视频，自己拍摄剪辑然后做目标检测，所以又需要安装OPENCV来支持视频处理。

4.1 文件下载

文件需要下载两个，一个是opencv一个是opencv_contrib，版本要对应，我这里下载的是4.3版本

  • 官方

opencv：https://opencv.org/releases/

opencv_contrib：https://github.com/opencv/opencv_contrib/releases

  • 百度盘

opencv：链接: https://pan.baidu.com/s/163SbilBZdsS2MxqTdMaeEg 提取码: asja

opencv_contrib：链接: https://pan.baidu.com/s/1LhMkqBr5U5b8b7qXTZDAtA 提取码: niqq

4.2 安装

  • 安装依赖
    sudo apt-get install build-essential
    sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
    sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
  • 安装cmake-gui
    sudo apt-get install cmake-qt-gui

  • 将opencv和opencv_contrib解压后放到统一目录下

  • 在opencv目录下创建build目录，用来存放编译文件

  • 进入build目录，执行：cmake-gui

  • 在界面上方配置源码和编译目录

    • where is the source code：# 指定opencv的目录
    • where to build the binaries：# 指定编译目录（即上一步创建的build目录）

  • 点击configure

    • Unix Makefiles - > Use default native compilers- > Finish

  • 编译参数配置

    • CMAKE_BUILD_TYPE：RELEASE
    • CMAKE_INSTALL_PREFIX：# 配置安装目录
    • OPENCV_EXTRA_MODULES_PATH：# 配置opencv_contrib的modules目录

  • 点击Generate

  • 在终端进入build目录，执行make，开始编译，没有意外会编译成功进行下一步，而现实是不可能没有意外...

  • 编译成功后，再执行make install 进行安装

4.2.1 编译时的意外

  • fatal error：boostdesc_bgm.i 没有那个文件或目录

文件下载：链接: https://pan.baidu.com/s/1cjEtx0dIrmeUJdFDmb-KHw 提取码: ir4h

全部文件放入opencv_contrib/modules/xfeatures2d/src/目录下

  • fatal error : feature2d/test/test_detectors_regression.impl.hpp

这是一类头文件的问题，提示找不到文件，可能错误地方不止一个，但是解决方法是一样的

定位到出错的cpp文件

编辑这个文件，将#include "feature2d/test/test_detectors_regression.impl.hpp"改为#include "test_detectors_regression.impl.hpp"

然后将test_detectors_regression.impl.hpp文件放到当前cpp文件目录中就可以了

那这个文件在哪呢？

所有缺失的hpp文件在opencv4.3/modules/features2d/test文件夹中都能找到

4.3 配置环境变量

  • 编辑文件sudo vim /etc/ld.so.conf.d/opencv.conf ，写入opencv安装目录下的lib目录路径
  • 编辑文件sudo vim /etc/bash.bashrc ，末尾添加两行内容：
    • PKG_CONFIG_PATH=$PKG_CONFIG_PATH:opencv安装目录/lib/pkgconfig
    • export PKG_CONFIG_PATH
  • 最后执行：source /etc/profile

4.4 测试

测试是否安装成功：pkg-config --cflags --libs opencv

(base) iron@iron-H310M-S2-2-0:/usr/local/cuda/lib64$ pkg-config --cflags --libs opencv
-I/home/iron/opencv-4.3.0/include/opencv4 -L/home/iron/opencv-4.3.0/lib -lopencv_shape -lopencv_stitching -lopencv_objdetect -lopencv_superres -lopencv_videostab -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml -lopencv_imgproc -lopencv_flann -lopencv_core

五. 再次编译darknet项目

我们这次加入了opencv的支持，和之前一样，先改配置文件，再重新编译项目

  • 改darknet项目下：Makefile文件
GPU=1
CUDNN=1
OPENCV=1
  • 重新编译项目：

make clean

make

不出意外的话直接编译成功

5.1 darknet + opencv编译的意外

  • image_opencv.cpp:12:1: error: ‘IplImage’

这看似是代码兼容问题，在我们的darknet项目下可以找到这个出错的文件：darknet/src/image_opencv.cpp

最简单的解决办法是把文件替换成我的这个，我已经改好了：

链接: https://pan.baidu.com/s/1bns2HLAFd--pvBHJpTZaLQ 提取码: 929p

六、参考文献

opencv4.2.0+darknet安装 ./src/image_opencv.cpp:12:1: error: ‘IplImage’ 报错

YOLO: Real-Time Object Detection

如果您看到了这里，请给我一个star:star:谢谢，如果有遗漏，请留言指正，感激！