GTX980M表示还能再战两年

0、下载项目

地址:https://github.com/AlexeyAB/darknet

1、按照自己显卡型号安装驱动(GTX980M)

地址:https://www.geforce.cn/drivers

2、查看显卡支持信息

打开NVIDIA控制面板 -> 
最下面系统信息 ->
组件 ->
NVCUDA.dll ****** ->
就是显卡支持的CUDA最高版本

3、下载cuda(CUDA 10.0)

地址:https://developer.nvidia.com/cuda-toolkit-archive

4、下载cudnn(CUDNN 7.4.1)

地址:https://developer.nvidia.com/rdp/cudnn-archive
压缩包里面的文件覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0加入系统变量path

5、安装opencv(opencv 3.4.0)

地址:https://opencv.org/releases.html
安装其实就是解压,解压完成后:
C:\opencv\opencv\build\include
C:\opencv\opencv\build\x64\vc14\lib
C:\opencv\opencv\build\include\opencv2
C:\opencv\opencv\build\include\opencv
这四个路径加入到系统变量

6、安装vs2017

地址:https://dl.pconline.com.cn/download/2698201-1.html
使用VC++的桌面开发里面有一个“适用于桌面的VC++2015.3 v14.00(v140)工具集要选”

7、配置编译

  • 7.1用vs2017打开目录C:\Users\nvidia\Desktop\darknet-master\darknet-master\build\darknet下的darknet.sln
  • 7.2选择Release x64
  • 7.3右键项目->属性:
    • 7.3.1配置属性->C\C++->常规->附加包含目录,填写C:\opencv\opencv\build\include
    • 7.3.2配置属性->链接器->常规->附加库目录,填写C:\opencv\opencv\build\x64\vc14\lib
    • 7.3.3配置属性->常规->windows SDK 版本 ->选10.0.xxxxxx
    • 7.3.4配置属性->常规->平台工具集->选v140
    • 7.3.5配置属性->VC++目录->包含目录C:\opencv\opencv\build\include\opencv和C:\opencv\opencv\build\include\opencv2
    • 7.3.6配置属性->VC++目录->库目录C:\opencv\opencv\build\x64\vc14\lib
    • 7.3.7配置属性->链接器->输入->附加依赖项,加一个opencv_world340.lib

8、编译前的准备工作

  • 8.1 在opencv的安装文件中C:\opencv\opencv\build\x64\vc14\bin下的opencv_ffmpeg340_64.dll和opencv_world340.dll和opencv_world340d.dll复制到C:\Users\nvidia\Desktop\darknet-master\darknet-master\build\darknet\x64目录下
  • 8.2重新打开cuda安装文件,停在安装前的最后一步,走完配置流程,记住解压地址,不需要真的再次安装,不要关掉,这是临时文件。默认位置在C:\Users\nvidia\AppData\Local\Temp\CUDA\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions,这个下面有四个文件CUDA 10.0.props和CUDA 10.0.targets和CUDA 10.0.xml和Nvda.Build.CudaTasks.v10.0.dll 。把他们都复制到vs2017的安装目录下面的一个文件夹里面:C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations
  • 8.3然后把刚才那个临时文件里面的C:\Users\nvidia\AppData\Local\Temp\CUDA\CUDAVisualStudioIntegration\extras\visual_studio_integration\CudaProjectVsWizards里面的2017,Templates,extension.vsixmanifest,Nvda.Vsip.CudaWizards,Nvda.Vsip.CudaWizards.dll.pkgdef都复制到C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\Extensions和C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\CommonExtensions没错,复制两次
  • 8.4打开项目目录C:\Users\nvidia\Desktop\darknet-master\darknet-master\build\darknet\darknet.vcxproj(记事本打开)。倒数第3行是有关配置cuda的东西,还记得刚才C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations这个目录下复制进去的4个文件吗。把他默认的那个改成C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations\CUDA 10.0.targets
  • 8.5安装MSVCR100.dll。查看https://jingyan.baidu.com/article/c33e3f483151efea15cbb522.html或者下面统一安装
  • 8.6补齐环境库。下载地址http://xthj.3dmgame.com/3DMyxklxbv2.0.rar 安装默认选项就行,装完了会自动重启

9、编译

vs里面右键项目->清理->编译

10、测试

编译完成以后C:\Users\nvidia\Desktop\darknet-master\darknet-master\build\darknet\x64这个地方会有一个darknet.exe
在这个目录下开命令行窗口(记得下载权重哦)

darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights

用那个data\dog.jpg就能显示图像了

11、参考链接

  • https://blog.csdn.net/KID_yuan/article/details/88380269
  • https://blog.csdn.net/weixin_41666001/article/details/89378801
  • https://blog.csdn.net/a429367172/article/details/95476435
  • https://blog.csdn.net/jyl1999xxxx/article/details/50618144
  • https://blog.csdn.net/zmdsjtu/article/details/52679937?utm_source=blogxgwz8
  • https://jingyan.baidu.com/article/c33e3f483151efea15cbb522.html
  • https://blog.csdn.net/buknow/article/details/88428981

Windows10+GTX980Mcuda10+cudnn7.4.1+VS2017+darkent-yolov3编译详解相关推荐

  1. zip安装mysql没有软件,windows10系统安装mysql-8.0.13(zip安装) 的教程详解

    安装环境说明 解压安装包 •解压路径:D:\develop\software •解压后mysql根目录:D:\develop\software\mysql-8.0.13-winx64 原则: 安装目录 ...

  2. yolov3代码详解(七)

    Pytorch | yolov3代码详解七 test.py test.py from __future__ import divisionfrom models import * from utils ...

  3. Keras YOLOv3代码详解(三):目标检测的流程图和源代码+中文注释

    Keras YOLOv3源代码下载地址:https://github.com/qqwweee/keras-yolo3 YOLOv3论文地址:https://pjreddie.com/media/fil ...

  4. yolov3代码详解_代码资料

    faster RCNN TensorFlow版本: 龙鹏:[技术综述]万字长文详解Faster RCNN源代码(一) buptscdc:tensorflow 版faster rcnn代码理解(1) l ...

  5. yoloV3代码详解(注释)

    原文链接:https://www.cnblogs.com/hujinzhou/p/guobao_2020_3_13.html yolo3各部分代码详解(超详细) </h1><div ...

  6. YOLOV3论文详解

    本文主要介绍了YOLOV3的网络结构和损失函数,其他部分几乎与YOLOV2相差无几. YOLOV3算法Pytorch实现:https://github.com/codecat0/CV/tree/mai ...

  7. YOLOv3 代码详解(2) —— 数据处理 dataset.py解析:输入图片增强、制作模型的每层输出的标签

    前言: yolo系列的论文阅读 论文阅读 || 深度学习之目标检测 重磅出击YOLOv3 论文阅读 || 深度学习之目标检测yolov2 论文阅读 || 深度学习之目标检测yolov1   该篇讲解的 ...

  8. 目标检测YOLOv3论文详解

    第二节 YOLOv3 2.1 YOLOv3简介 YOLO系列的目标检测算法可以说是目标检测史上的宏篇巨作,YOLOv3是YOLO (You Only Look Once)系列目标检测算法中的第三版,v ...

  9. pytorch yolov3 代码详解_PyTorch C++ libtorch的使用方法(1)-nightly 版本的 libtorch

    问题描述: 按照PyTorch中文教程的[ 在 C++ 中加载 PYTORCH 模型 ]一文,尝试调用 PyTorch模型. 1. 例子来源 在 C++ 中加载 PYTORCH 模型 我是使用Qt新建 ...

最新文章

  1. 学习HTML5之塔克大战(详细记录)
  2. bat 服务启动脚本
  3. antd源码解读(4)- ButtonGroup
  4. numeric比较大小 数据库_mysql大小写敏感与校对规则
  5. WIFI配置专项测试
  6. Wildfly,Apache CXF和@SchemaValidation
  7. 为JAVA性能而设计(一)
  8. 二叉搜索时与双向链表python_【剑指offer】26 二叉搜索树与双向链表
  9. LeetCode 6034. 数组的三角和
  10. android 语音阅读软件,语音阅读器APP
  11. 新希望:拟参与设立总规模40亿元的广西新希望生猪保供专项产业基金
  12. JSK-136 公式计算【入门】
  13. 2017年英国机器人周:身体有问题 就找机器人
  14. python3获取邮件附件,获取邮件附件到python文件对象
  15. 终于,连字节、腾讯都烧不起钱了
  16. “敬老孝亲颂家风 做美德传承人”主题实践
  17. 空城旧梦,相逢不必邂逅
  18. html制作照片查看器,canvas做的图片查看器1
  19. g 最新编译器linux,Linux下安装gcc 、g++ 、gfortran编译器
  20. FPGA、集创赛记录

热门文章

  1. 火狐浏览器安装Live HTTP headers步骤记录
  2. 中证500等主要指数的市盈率(PE)估值高度
  3. 大家注意了!这是个骗子!
  4. python类型属于对象,不属于变量
  5. javascpirt + HTML实现点亮灯泡
  6. 【沃顿商学院学习笔记】商业基础——Accounting:05现金流量表相关学习
  7. 前端性能分析工具Dyna Trace使用心得(转)
  8. redis写入mysql 使用redis做mysql缓存
  9. 【HTML5】Html5新标签解释及用法
  10. 【AI 工具】文心一言内测记录