darknet-Yolo_v3 运行问题,detect命令检测结果无标注框。

本文档描述了在CUDA环境下运行darknet-Yolo_v3时遇到的识别问题,即程序运行但未输出识别结果。通过修改makefile中的cudnn设置为0并重新编译,以及在VC2015中调整宏开关CUDNN的预处理器定义,成功解决了问题。此外,还提到了CUDA版本选择和安装注意事项。
部署运行你感兴趣的模型镜像

darknet-Yolo_v3 , AB版        @Z470本 + Win10-LTSB-2016 + VC2015, NVDIA GeForce GT 520M, 驱动 391.35

问题描述。程序可以运行,但是没有测试结果(识别不出图像内容),不打印类别识别度信息,生成的图片 predictions 也没有框选、标注。

处理。 修改makefile中的cudnn=0,重新编译,再运行就有结果了。
           在VC2015中,可以将宏开关“CUDNN”移到“取消预处理器定义”一栏中。 

//对速度影响:darknet yolo3 gpu性能对比测试 
 

~、CUDA 运行环境安装。

注,①、尽量一次性选择正确的CUDA版本进行安装,cuda不同版本反安装够烦,易出错,常无法卸载(干净)。
       ②、CUDA与VS的集成工具部分,安装须知:高版本cuda安装后,无法再安装低版本,需要先卸载高版本。
 

您可能感兴趣的与本文相关的镜像

PyTorch 2.9

PyTorch 2.9

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

### 解决 LabelImg 再次打开时无标注的问题 当重新启动 LabelImg 后发现之前的标注消失,这通常是因为配置文件或保存路径设置不正确所致。为了确保每次重启程序后仍能保留先前的标注记录,需确认几个关键点。 #### 配置文件位置 LabelImg 使用 XML 或 JSON 文件来存储图像及其对应的标注信息。默认情况下,这些文件会与原始图像一起保存在同一目录下[^4]。如果更改了工作目录或是移动过项目中的任何文件,则可能导致加载失败。 #### 正确保存方式 在完成每张图片的标注之后,务必点击界面上方菜单栏里的 `File` -> `Save Labels as...` 来手动保存当前进度;也可以通过快捷键 Ctrl+S 实现快速存盘操作[^2]。这样即使中途关闭应用程序也不会丢失已做的标记数据。 #### 设置自动保存功能 为了避免频繁的手动保存动作,在首次运行时可以通过命令行参数传递 `-s` 参数开启自动保存模式: ```bash python labelImg.py -s ``` 此选项会在每次创建新矩形框或者编辑现有对象属性变化时立即更新磁盘上的相应标签文件[^1]。 #### 处理可能存在的闪退情况 有时因为某些原因(如上述提到的不同类别间的转换),可能会引起应用异常退出而未能成功写入最新的变更到硬盘上。针对这类问题建议采取如下措施: - 确认 Python 环境以及依赖库均为最新版本; - 尝试以管理员身份启动 IDE 或者终端窗口后再执行脚本; - 如果是 Windows 平台下的 `.exe` 版本,考虑使用虚拟环境隔离潜在冲突并单独测试稳定性[^3]。
评论 1
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