YOLO-V4|yolov4 darknet编译和训练自己的数据集

hello,大家好!我是coding老马,大海捞针,从未失手!今天应团长要求,讲解一下yolov4的编译和训练知识。

科目:yolov4 darknet知识讲解
内容:yolov4darknet的编译,完成darknet的编译并进行图片测试
目的:通过本次知识的讲解,使同学们掌握yolov4 darknet的编译,进入yolov4目标检测的大门,为以后的实际应用打下坚实基础
时间:15分钟
地点:csdn------>大海捞针的老马训练场
方法:理论讲解,实际操作,视频讲解学习(博客最下方)
要求:
1.认真阅读理论讲解
2.参照讲解步骤,加强实践操作
3.理论+实践,注意总结分享,让更多的小伙伴掌握此知识
以上要求,希望同学们可以做到!

前言:不喜欢文字的小伙伴可以直接看视频,转载B站链接https://www.bilibili.com/video/BV1HZ4y1s7YF

1.模型链接地址yolov4 darknet 模型下载链接
这里推荐使用 git 下载(也可直接从Code 处Download Zip 下载),多掌握一门手艺总没错。
先看要求:
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

这是软件安装要求,一定要按要求来,不然,出了问题,哭都来不及。(第一次未按要求,废了好大劲,最后只能CPU来运行)
博主台式机配置:显卡配置:
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

博主最终软件安装版
Cmake---3.17.2
opencv---3.4.7
visual studio---2017
CUDA---10.0
cudnn---v7.6.4 (10.0)
git--- 2.26.2

2.实战安装
(1)Cmake正常安装
(2) vs2017( 在 CUDA,cudnn之前安装,因为CUDA安装会搜寻已安装的 vs ,进行部分组件安装。 vs2019尝试,失败 )
(3) opencv(此处3.4.7版本,因为有其它依赖 3.4.7版本的opencv程序要运行)
在系统环境变量中添加OpenCV_DIR
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build改成你自己的 build 的路径
配置 opencv 环境,(属性管理器)
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv2
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\x64\vc15\lib
opencv_world347.lib( release 版本)
opencv_world347d.lib(debug 版本)
cudnn.lib(注意添加,配置cudnn的时候,有讲到配置 vs 这一点)
不熟悉opencv环境配置的可以上网搜一下,这里暂时不细讲(后期新博客不补上)
4.CUDA >=10.0(nvidia 控制面板 显示10.1,此处安装 10.0版本,默认安装就行)
注意添加环境变量CUDA_PATH(应该是自动添加的,注意查看)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
5.cudnn>=7.0
解压---->复制其中内容到安装CUDA的指定目录下,主要是下面三个文件
xxx /... cuda/bin/cudnn.dll--->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin文件夹下
xxx /...cuda/include/cudnn.h --->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include文件夹下
xxx /...cuda/lib/x64/cudnn.lib--->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\ lib\x64文件夹下
6.把cudnn.lib加入到 vs2017中,即第三步的配置 把cudnn.lib和 opencv_world347.lib 放一块(官网上提到了这一点,可自行尝试)
7.打开Cmake -gui 进行编译,
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

第 8 部会打开vs2017,修改成 releasex64 ,点击生成 --->生成解决方案,等待编译即可,成功之后,
会在该 darknet (称为主darknet目录,bulid目录下还有一个darknet,称为次darknet目录)目录下生成一个Release文件夹,
打开并复制其中的darknet.exe文件到 build /darknet /x64目录下
下载 olov4.weights 和 yolov4.conv.137 到 build /darknet /x64目录下。
可以开始测试了
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

1.打开 cmd 窗口,输入指令darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25回车
2.然后根据提示输入dog.jpg回车,即可看到预测结果图转载B站视频地址链接https://www.bilibili.com/video/BV1HZ4y1s7YF
至此,编译成功。接下来制作自己的数据集进行训练和测试。









【YOLO-V4|yolov4 darknet编译和训练自己的数据集】

    推荐阅读