YOLO v4 環境建置 - Win10

woff

環境 WIN10 RTX 3070 TI

配置一覽:

• Python 3.8, 3.9
• Nvidia driver 522.25
• Cuda 11.2
• Cudnn 8.1.1
• tensorflow-gpu2.5.0
  

環境前置作業請看這篇Win10用 Anaconda 建 3070系列的 Tensorflow 深度學習環境

前置作業

前置作業須先安裝下列軟體：

1. VS 2017 或 2019：須安裝 VC toolset、English language pack 元件。

YOLO,環境建置,Win10,python,CUDA,Netyea

YOLO,環境建置,Win10,python,CUDA,Netyea

2. 若有NVidia獨立顯卡，需安裝 CUDA SDK：CUDA版本 > 10.0, cuDNN版本 > 7.0

3. CUDA/CuDNN 並不是安裝最新版，需參考專案檔內的設定(darknet-master\build\darknet\darknet.vcxproj)，使用記事本觀看最後幾行，預設是採用 v11.1：

我的環境是CUDA V11.2 ，11.1都要改成11.2

開啟 darknet-master\build\darknet\darknet.vcxproj

更改三處

YOLO,環境建置,Win10,python,CUDA,Netyea

可以使用記事本修改darknet.vcxproj，將CUDA版本更新，例如，11.1改為11.2，注意有兩處要改，可搜尋【11.】，環境變數也要隨之更改為CUDA_PATH_V11_2，值為CUDA安裝路徑『C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2』。

4. OpenCV：版本須 > 2.4，下載原始程式碼。

編譯及建置
1. 自OpenCV官網下載 OpenCV Sources。
2. 解壓縮至 c:\ 或 d:\，以下假設解壓縮在d:\opencv。
3. 自Darknet github下載程式碼，解壓縮，，以下假設安裝在D:\darknet-master。
4. 以 Visual Studio 開啟 D:\darknet-master\build\darknet\darknet.sln 檔案，會出現升級視窗，點選【確定】。 注意，若無NVidia獨立顯卡，改開啟 darknet_no_gpu.sln。如要使用其他版本，例如11.2，請修改darknet.vcxproj、yolo_cpp_dll.vcxproj，搜尋11.1 改為 11.2 (有三處)。

YOLO,環境建置,Win10,python,CUDA,Netyea

若無 NVidia 獨立顯卡，也可以建置專案，開啟 darknet-master\build\darknet\darknet_no_gpu.vcxproj、yolo_cpp_dll_no_gpu.vcxproj，建置即可。

5. darknet.vcxproj更改路徑為CUDA_PATH_V11_2後，會跳出CUDA C/C++選項，自訂路徑

1. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

複製代碼

YOLO,環境建置,Win10,python,CUDA,Netyea

6. 將Configuration 改為 release、x64。

YOLO,環境建置,Win10,python,CUDA,Netyea

7. 修改專案屬性，編修【VC++ Directories】> 【Include Directories】，加上：

• D:\opencv\build\include
• D:\opencv\build\include\opencv2
  

YOLO,環境建置,Win10,python,CUDA,Netyea

YOLO,環境建置,Win10,python,CUDA,Netyea

8. 編修【連結器】> 【輸入】> 【其他相依性】，加上：

D:\openCV\build\x64\vc15\lib\opencv_world430.lib

YOLO,環境建置,Win10,python,CUDA,Netyea

YOLO,環境建置,Win10,python,CUDA,Netyea

注意，若安裝較新版本的openCV，lib名稱會不同，例如opencv_world454.lib。後面有d的檔案為debug mode 使用，例如opencv_world454d.lib。

9. 在darknet專案上按滑鼠右鍵，選【重建】，若出現【建置成功】，表示大功告成，執行檔在 D:\darknet-master\build\darknet\x64 目錄下。

注意：如果不能正常編譯

1. 自 D:\openCV\build\x64\vc14\lib 複製 opencv_world430.lib 至 D:\darknet-master\build\darknet\x64 目錄下

2. 自 D:\openCV\build\x64\vc14\bin\ 複製 opencv_world430.dll 至 D:\darknet-master\build\darknet\x64 目錄下

執行：

1. 自『這裡』下載 yolov4.weights，放入 D:\darknet-master\build\darknet\x64 目錄。

2. 執行下列指令測試：

1. darknet.exe detect cfg\yolov4.cfg yolov4.weights data\dog.jpg

複製代碼

另外目錄下還有許多 *.cmd 檔案可測試。
若無 NVidia 獨立顯卡，使用 darknet_no_gpu.exe，指令如下：

1. darknet_no_gpu.exe detect cfg\yolov4.cfg yolov4.weights data\dog.jpg

複製代碼

YOLO,環境建置,Win10,python,CUDA,Netyea

參考文章
https://ithelp.ithome.com.tw/articles/10231508


NetYea 網頁設計