Ubuntu18编译darknet填坑(yolov3 + GPU)

本文详细介绍了如何编译GPU版本的YOLO目标检测算法,包括修改Makefile配置、解决cuda和cublas库缺失问题,以及最终的编译和测试过程。
部署运行你感兴趣的模型镜像

如果要编译GPU版的YOLO,需要修改Makefile文件

sudo vim Makefile
GPU=1
CUDNN=1
OPENCV=1

ARCH要根据自己的GPU型号修改

接下来开始编译。

遇到的第一个错误

是cuda的问题

发现没有cuda文件夹,新建个软链接到cuda-10.1,再次编译,解决问题。

第二个错误

这个问题主要原因出现在:cannot find -lcublas

查看了一下发现在/usr/local/cuda/lib64里面没有发现libcublas.so文件,猜到应该是此原因。

于是把anaconda环境中的libcublas.so文件软连接到该目录下

然后重新编译,

成功编译。

执行

./darknet imtest data/eagle.jpg

测试,显示以下。测试成功。

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.8

PyTorch 2.8

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值