YOLOv3配置(win10+opencv3.40+cuda9.1+cudnn7.1+vs2015)

最近心血来潮想学一下YOLOv3,于是就去网上看了YOLOv3在win10下的配置教程。在配置过程中塌坑无数,花了很多时间和精力,所以我想就此写一篇博客来介绍在在win10+vs2015的环境下如何配置YOLOv3。

1.安装VS(YOLOv3支持vs2012、2013、2015,其他版本需要下载工具集)

尽量安装vs2015

2.安装CUDA

2.1确定自己电脑对应的CUDA版本号

2.1.1打开控制面板

2.1.2进入NVIDIA控制面板

2.1.3选择系统信息

2.1.4点击组件,即可看到自己电脑适应的CUDA的版本号

2.2进入官网https://developer.nvidia.com/cuda-downloads ,按照自己的系统选择合适的版本。

3.安装CUDNN

CUDNN的版本需要与CUDA版本对应,下载的时候根据选定的CUDA版本进行选择即可。

下载链接:  https://developer.nvidia.com/cudnn

下载之后把对应文件夹的文件直接放入CUDA的对应文件夹就可以了

将D:\安装包\cudnn-9.1-windows10-x64-v7.1\cuda\bin\cudnn64_7.dll 复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin

将 D:\安装包\cudnn-9.1-windows10-x64-v7.1\cudacuda\ include\cudnn.h 复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\include

将D:\安装包\cudnn-9.1-windows10-x64-v7.1\cudacuda\lib\x64\cudnn.lib复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\lib\x64

4. 安装 OpenCV (OpenCV 2.x.x 或者 OpenCV <= 3.4.0)

(切记opencv的版本不能超过3.40,我当时就是因为粗心没注意到这点才折腾了很久)

下载地址:https://sourceforge.net/projects/opencvlibrary/files/opencvwin/3.4.0/opencv-3.4.0-vc14_vc15.exe/download

如果访问不了,可以使用我的链接

   链接: https://pan.baidu.com/s/1yACjz1AiDWtkUzxZHqCH0w 提取码: scxv

接下来将opencv配置到环境变量

5. 下载darknet

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

(如果会使用git,则直接git clone  https://github.com/AlexeyAB/darknet)

5.1修改darknet.vcxproj文件

进入darknet\build\darknet目录,用记事本打开darknet.vcxproj,将所有CUDA 10.0修改为自己对应的CUDA版本,本篇使用CUDA 9.1,故改为9.1。(共有两处需要修改)
5.2打开darknet.sln

5.2.1将项目修改为Release x64

5.2.2配置包含目录 + 库目录 + 链接器

包含目录:在darknet项目上点击鼠标右键->属性,弹出如下界面:然后VC++目录-->包含目录-->编辑

添加的目录:...\opencv\build\include(...代表opencv的安装路径,下文同理)

...\opencv\build\include\opencv

...\opencv\build\include\opencv2

库目录:方法与包含目录类似,添加的目录为:...\opencv\build\x64\vc14\lib

链接器:添加目录...\opencv\build\x64\vc14\lib下库的名字:opencv_world340.lib

5.2.3右键darknet,选择属性,进入CUDA C/C++中的Code Generation,删掉compute_75,sm_75(此步极为关键,要不然必出错)

5.3右键darknet,选择生成

编译成功,会在darknet\build\darknet\x64下得到darknet.exe

当你看到darknet.exe时,那么就恭喜你配置成功过了!

原文地址:https://www.cnblogs.com/songhouhou/p/10805976.html

时间: 2024-10-14 14:43:59

YOLOv3配置(win10+opencv3.40+cuda9.1+cudnn7.1+vs2015)的相关文章

ubuntu16.04服务器上无root权限,配置个人tensorflow环境--cuda9.0+cuDNN7+tensorflow-gpu-1.18

本人在服务器上已经用Anconda创建好python3.5的环境,这个网上有一大堆教程.接下来是重点. 1. cuda的安装 https://developer.nvidia.com/cuda-downloads,选runfile(local)这个文件下载然后执行如下代码 sh cuda_9.0.176_384.81_linux-run chmod +x filename.run #如果不能直接运行,执行这个命令 在协议中选择同意EULA(accept),不安装driver installati

MongoDB 安装与配置--Win10

MongoDB 安装与配置--Win10 2017年12月31日 17:17:39 阅读数:2403 1. 下载 下载链接:https://www.mongodb.com/download-center?jmp=nav#community 1 2. 安装 按提示安装即可 1. Complete:完整安装 2. Custom:自定义安装,可选择安装路径和安装组件 1 2 3 3. 配置 1. 安装完的目录结构 [C:\Program Files\MongoDB\Server\3.6] 1 2. 在

win10安装mxnet cuda9.0-gpu版

类似于上一篇文章 Anaconda3.6    python3.6.5   cuda9.0+   cudnn7.0 安装MXNet 1.设置清华源 conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 2.安装MXNet pip install --pre mxnet-cu80 -i https://pypi.douban.com/simple 3.测试 测试地址:http

Win10+CUDA9.0+cuDNN7.2 下载 安装 配置

安装CUDA前须安装VS2015 参考: https://blog.csdn.net/yuyushikuan/article/details/79067484 https://blog.csdn.net/fengbingchun/article/details/53892997 1.下载: CUDA9.0下载链接(1.33GB):https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置

目录 一.Ubuntu18.04 LTS系统的安装 1. 安装文件下载 2. 制作U盘安装镜像文件 3. 开始安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 2. 安装nvidia-390版本驱动 3. 重启系统,可以查看安装是否成功 四.CUDA9.0的安装 1. CUDA版本选择 2. 安装CUDA9.0 3. 设置环境变量 五.cuDNN7.3的安装 六.Tensorflow-1.12

anconda1.8+cuda9.0+cudnn7.0.5+tensorflow1.7(win10)安装

1.下载安装cuda9.0 https://developer.nvidia.com/cuda-90-download-archive 2.下载cudnn7.0.5,下载cuda9.0的对应版本 https://developer.nvidia.com/rdp/cudnn-download 操作: 1.将cudnn文件夹下的文件拷贝到cuda9.0对应的文件夹下 2.打开cmd,用命令nvcc -V检验cuda是否安装成功,成功界面如下: 说明:之前用的是cudnn7.1.2,一直出各种问题,最

环境配置 python 3.6+Anaconda+cuda9.0+cudNN7.1+Tensorflow

最近在摸deepface代码,一堆环境要配置,过程记录一下吧. 安装顺序:Python-> Tensorflow -> Nvidia GPU Driver -> CUDA -> CUDNN 一.安装Python3.6 Ubuntu16.04系统下默认是python2.7.网上说一般不建议卸载系统自带的python,所以保留. 1.  配置软件仓库 sudo add-apt-repository ppa:jonathonf/python-3.6 2.  检查系统软件包,安装Pytho

windows安装tensorflow简单直接的方法(win10+pycharm+tensorflow-gpu1.7+cuda9.1+cudnn7.1)

安装tensorflow-gpu环境需要:python环境,tensorflow-gpu包,cuda,cudnn 一,安装python,pip3直接到官网下载就好了,下载并安装你喜欢的版本 https://www.python.org/ 提示:安装最后一步时记得勾选添加环境变量 在cmd输入pip3测试pip3能否使用,不能使用的话,手动打开python安装的路径,找到pip3文件,将路径加入环境变量 二,安装tensorflow-gpu 使用pip3安装即可:pip3 install tens

ubuntu18.04+cuda9.0+cudnn7.1.4+caffe-ssd+anaconda2安装

几乎是小白一枚,折腾多天才搞定,参考了很多博客和社区问答,把安装经验记下来. 1.检测显卡,安装驱动 1 ~$ ubuntu-drivers devices 2 == /sys/devices/pci0000:00/0000:00:1c.4/0000:09:00.0 == 3 modalias : pci:v000010DEd00001292sv00001028sd00000616bc03sc02i00 4 vendor : NVIDIA Corporation 5 model : GK208M