darknet是yolo算法的作者Joseph Redmon使用c语言编写的一个开源卷积神经网络训练框架

如果项目中用到了yolo卷积神经网络模型，darknet框架是你的不二之选

darknet项目开源地址：https://github.com/pjreddie/darknet

darknet作者(也是yolo的主要作者)维护官网：https://pjreddie.com/darknet/

darknet作者给出的安装教程：https://pjreddie.com/darknet/install/

Linux操作小提示：

1、linux下绝大部分命令都可以通过tab键补全，一次tab不行就两次，特别遇到打开比较长的文件名目录时，非常高效，输入开头几个字母，剩下的交给tab键

2、linux终端中复制操作为ctrl+insert（或者ctrl+shift+c），粘贴操作min为shift+insert（或者ctrl+shift+v）

安装前的说明：

想要使用GPU加速功能，显卡必须是NVIDIA的，同时必须在真实硬盘上的操作系统上才能使用，不能使用虚拟机

没有NVIDIA的GPU，也可以使用darknet，只是训练速度相对不快。

一、Linux下安装darknet

ctrl+Alt+T打开一个linux终端，输入以下命令

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

这条命令将会从github上克隆darknet最新的版本文件到当前目录下

你也可以先通过cd命令进入到指定的目录下，再使用git clone命令，将darknet下载到指定的目录

出现错误，未安装git，按照提示进行修复

sudo apt-get update
sudo apt install git

再次运行git clone命令，成功clone到本地，可以在当前目录下看到darknet文件夹

下载的darknet文件夹还无法直接使用，需要先编译一下，生成二进制文件，再由计算机执行二进制文件，才能运行框架

下面开始编译darknet，编译之前需要先安装make（一个自动化的编译工具），如果已安装make，可省略这一步

sudo apt install make
sudo apt install make-guile

又出现错误了，按照网上教程，删除这两个文件

sudo rm -r -f /var/lib/dpkg/lock-frontend
sudo rm -r -f /var/lib/dpkg/lock

sudo rm -r -f /var/cache/apt/archives/lock
sudo rm -r -f /var/cache/apt/archives

依次安装make和make-guile，也可以只安装make，安装make后可通过命令行操作，安装make-guile后可以在GUI界面操作

进入darknet目录，执行make命令，出现错误，gcc也没安装

原谅这是我是刚安装好的linux，只安装了一个搜狗输入法和wps

sudo apt install gcc

再执行make命令进行编译，结果发现g++也没安装，

但这对于我这样的新手来说，error是家常便饭

继续安装g++

sudo apt install g++

再次执行make，终于成功了

make工具会根据darknet目录下已经存在的Makefile文件来编译源程序文件（darknet源程序用C语言编写），并生成二进制文件

Makefile文件制定了编译的一系列规则，当改变Makefile文件内容后，需要再次执行make命令才能生效

make完成之后，darknet文件目录下多出了一些文件，其中，darknet为二进制文件，可以看成是darknet框架的运行文件，*.a为静态链接库，*.so为动态链接库

测试安装结果，运行darknet框架，.表示当前目录（..表示上一级目录），darknet就是上一步make生成的二进制文件

./darknet

当出现图中所示结果时，说明我们已经能够使用darknet框架，可以开始yolo训练之旅了

我们可以先使用imtest命令测试图像加载和显示，看一下效果

测试图片为data目录下的egle.jpg，你也可以尝试其它图片

./darknet imtest data/eagle.jpg

出现了一堆长相一样的老鹰的图像，测试成功

根据提示信息，发现我们没有安装OpenCV

我们最好安装一下OpneCv，因为这样可以方便的加载各种格式的图像和视频，还可以调用摄像头

如果不安装OpenCV，也是可以使用darknet的，此时请直接跳到第三步。

（OpencV的作用就是更方便的加载图像和视频，如果不用OpenCV，框架也可以正常运行）

二、OpenCV安装

OpenCV官方安装教程 https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html

执行cd命令，跳转到指定目录下，（..表示回到上一级目录）

OpencV有稳定版和最新版两种，本文使用最新版本，详情请看OpenCv官网

1、从github上克隆最新的OpenCV核心库到本地

cd ..
git clone https://github.com/opencv/opencv.git

当发现下载速度比较慢的时候可以考虑直接从github上下载zip文件到本地

下载地址：https://github.com/opencv/opencv

2、克隆OpenCV的扩展库OpenCV_Contrib到本地，如果不安装扩展库，也是可以使用OpenCV的，但是建议安装

git clone https://github.com/opencv/opencv_contrib.git

同样，如果觉得下载过慢，可以直接到github下载zip文件到本地

github 下载地址：https://github.com/opencv/opencv_contrib

移动扩展库文件到opencv目录下，并提取文件（解压）

终端解压命令：unzip 文件名，也可鼠标右键提取文件

注意文件名后缀，git clone时没有master后缀，使用zip下载时有master后缀

3、添加opencv所需要的依赖库

下面三条命令是官方给出的

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

第一条命令安装了一个build-essential库，可以方便的进行编译

编译程序有了这个软件，它才知道头文件和库函数在哪，最后才形成一个开发环境。

第二条命令安装了一个cmake、git等等软件，其中cmake是一个跨平台的编译工具，比make更加高级

第二条命令安装了一些库，包括python等等

执行第三条安装命令时出错，主要是libjasper-dev无法安装，需要添加镜像源，执行下面的命令解决

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update

再执行第三条命令

4、开始编译OpenCV

在opencv目录下创建文件夹 build（可以根据自己习惯命名为其他名字）

cd opencv
mkdir build
cd build

在编译前查看opencv_contrib文件夹名称，如果采用git下载，那就是这个名称

如果是zip下载后解压，文件名就是opencv_contrib_master，可以考虑重命名为opencv_contrib

使用cmake编译opencv及其扩展库源文件到当前目录下，OpenCV默认安装路径为/usr/local

注意命令中结尾的扩展库源文件名要与实际保持一致，请自行确认

如果没有下载扩展库，那么OPENCV_EXTRA...及之后的命令不再需要

在build目录下，执行下面命令

cmake -D CMAKE_INSTALL_PREFIX=/usr/local -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules ..

cmake能够生成一系列的cmake等文件和最终的MAkefile文件，再由make工具调用Makefile等文件进行最后的编译

cmake成功

使用make编译opencv

cd opencv/build
make

编译过程非常漫长，如果处理器有多个核的话，可以将make替换为以下命令加快编译速度

make -j4

参数4代表使用4核，根据自己的硬件情况选择，make命令默认使用1核

make编译成功

注意：可能会发生internal compiler error: Killed (program cc1plus)错误

这是因为虚拟机内存不足，可以考虑暂时给虚拟机分配大一点的内存，编译完成后再恢复原来的设置

在bulid目录执行以下命令，安装使用opencv所需要的库

sudo make install

5、测试安装结果

输入下面命令可查看当前OpencV安装版本

opencv_version

6、在Python中使用opencv

python
import cv2

当没有出现任何错误提示时，表示我们可以在python程序中使用OpenCV

7、在darknet中使用opencv

如果安装了OpenCV，并且要启用opencv的话，打开darknet目录下的Makefile文件，将第三行改为OPENCV=1

修改Makefile文件后需要再次make，才能生效

make

make之后出现以下错误信息，没有发现opencv

解决办法，安装一个OpencV依赖包libopencv-dev

sudo apt install libopencv-dev

再次make后成功

如果上述还不能解决，尝试以下解决办法

安装搜索工具mlocate

sudo apt-get install mlocate

定位文件opencv.pc

locate *opencv.pc*

选择一个添加到环境变量中

sudo gedit /etc/profile

在文件的最后一行加上类似这样的一句

export PKG_CONFIG_PATH=/home/lishan/miniconda3/lib/pkgconfig/:$PKG_CONFIG_PATH

注意：请根据自己搜索到的路径设置，上面是我的路径，仅供参考

加载环境变量，再次编译（以后每次编译前都要先加载环境变量文件）

source /etc/profile
make

三、CUDA安装

只有NVIDIA的显卡（一般以GTX、RTX开头）才支持CUDA，如果没有NVIDIA的显卡，请直接到第四步

CUDA是英伟达推出的通用并行计算架构（这个通用意思是支持英伟达自家的所有显卡），利用这个架构，可以把一部分计算工作交给GPU，特别是图像处理中的大规模矩阵运算，这样可以加快模型的训练和处理速度。

使用命令下面查询当前主机上的显卡设备

lspci | grep VGA

遗憾的是，虚拟机上的显卡是模拟的，所以即使主机安装了NVIDIA的显卡，在虚拟机中还是无法安装CUDA

所以，要想安装cuda，并使用gpu加速，必须将linux系统安装在真实硬盘上，同时显卡得是NVIDIA的才行

四、yolo下载

在darknet-->cfg目录下(config的缩写)，可以看到yolo模型各种版本的配置文件

只有配置文件还不行，需要下载yolo网络训练权重文件

我们下载yolov3的权重文件（已经训练好的文件），执行以下命令

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

权重文件237MB左右，同样，如果觉得下载过慢，可以使用一些下载工具，比如xdown，复制链接，下载即可

再从windows下复制粘贴文件到darknet目录下

当然你可以放在任意位置，但是要记住它的路径，因为后面需要用到这个文件

回过头来，在darknet->data文件夹下有几张示例图片，比如这张经典的小狗

我们将尝试使用刚才下载的yolov3权重文件和yolov3的配置文件对这张小狗进行检测

运行一下检测效果

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

刚才的命令是一个简写版，它与下面的完整版的命令功能一致

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

上面的命令表示：运行darknet框架进行测试，其中

数据指向文件为./darknet/cfg/coco.data（默认）

网络配置文件为./darknet/cfg/yolo3.cfg

网络权重文件为./darknet/yolov3.weights

待检测图片为./darknet/data/dog.jpg

输出检测图片默认保存在darknet目录下

下面是见证奇迹的时刻

识别到三个物体，分别是dog、truck、bicycle，花费时间33秒左右，如果使用GPU，这个时间要短一些

保存的图片在darknet目录下，名字为predictions.jpg

你可以尝试使用data目录下的其他图片进行检测

未完待续，下一节我们将讨论yolo模型的一些理论知识

附1 xdown下载链接（只支持windows）：https://xdown.org/

附2 XDM下载链接（支持windows、linux、mac）https://subhra74.github.io/xdm/

安装命令：

#进入文件所在目录，根据自己情况修改
cd 下载/xdm-setup-7.2.10#运行安装脚本
sudo sh install.sh

双击启动XDM

新建一个下载任务，粘贴下载链接

附3：Chrome浏览器的中文翻译

进行深度学习时，我们不可避免的会浏览英文网页，对于英语基础不是很好的朋友来说，这似乎是一种痛苦。

所以我推荐使用Chrome浏览器，因为在浏览英文网页时，鼠标右键可以看到翻译中文模式，如下

但是我还是建议大家克服英语的恐惧，从一些常见的单词慢慢熟悉，通过单词翻译软件，有意识的记忆，

日积月累，英语网页的阅读速度会慢慢提高

yolo专属深度学习框架darknet的安装记录相关推荐

DL框架之darknet：深度学习框架darknet的简介、安装、使用方法的详细攻略
DL框架之darknet:深度学习框架darknet的简介.安装.使用方法的详细攻略目录 darknet的简介 darknet的安装 darknet的使用方法 1.YOLO: Real-Time O ...
深度学习框架Keras的安装
原文链接:https://blog.csdn.net/qingzhuochenfu/article/details/51187603 本人已经将最新博客更新转移至个人网站了,欢迎来访~~ SCP-17 ...
[PyTroch系列-1]：PyTroch深度学习框架的详细安装过程
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:[PyTroch系列-1]:PyTroch深度学习框架的详细安装过程_文火冰糖(王文兵)的博客-C ...
Theano深度学习框架之Lasagne安装及入门
1.Lasagne简单介绍 lasagne意味千层饼,是基于theano之上主要用于建立和训练神经网络的深度学习库.Lasagne is a lightweight library to build ...
TVM：深度学习框架编译器的安装踩坑集
目录一.引言二.流程三.踩坑四.备注一.引言 4月底的时候,花了一天时间安装TVM这个东西.那时,上来就弄TVM 0.8的版本,但因为具体安装的流程不是很懂,所以出现了一些莫名其妙的问题.后 ...
CV：Win10下深度学习框架安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程)
CV:Win10下深度学习框架安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程) 导读本人在Win10下安装深度学习框架Tenso ...
深度学习入门笔记系列（一）——深度学习框架 tensorflow 的介绍与安装
本系列将分为 8 篇 .今天是第一篇 ,工欲善其事必先利其器 ,先简单讲讲当前的主流深度学习框架 TensorFlow 及其安装方法 . 我们知道 ,深度学习研究的热潮持续高涨 ,许多的开源深度学习框 ...
DL框架之DL4J/Deeplearning4j：深度学习框架DL4J/Deeplearning4j的简介、安装、使用方法之详细攻略
DL框架之DL4J/Deeplearning4j:深度学习框架DL4J/Deeplearning4j的简介.安装.使用方法之详细攻略目录深度学习框架Deeplearning4j的简介 1.Deep ...
Win10深度学习框架及GPU运算环境搭建（CUDA10.0+Cudnn 7.6.5+pytroch1.2+tensorflow 1.14.0）
一.深度学习为什么要搭建GPU运算环境? 熟悉深度学习的人都知道,深度学习是需要训练的,所谓的训练就是在成千上万个变量中寻找最佳值的计算,所需计算的数据量异常庞大.CPU是一个有多种功能的优秀领导者. ...

yolo专属深度学习框架darknet的安装记录

一、Linux下安装darknet

二、OpenCV安装

三、CUDA安装

四、yolo下载

yolo专属深度学习框架darknet的安装记录相关推荐

最新文章

热门文章