YOLO配置运行

最新推荐文章于 2025-05-30 08:59:31 发布

陈龙CL

最新推荐文章于 2025-05-30 08:59:31 发布

阅读量1.6w

点赞数

CC 4.0 BY-SA版权

分类专栏：物体检测深度学习

本文链接：https://blog.youkuaiyun.com/timeflyhigh/article/details/52015152

本文详细介绍了YOLO（You Only Look Once）的安装步骤，包括克隆Darknet源码、编译、使用，以及如何编译CUDA和OpenCV以加速运行。此外，还讲述了YOLO的命令行用法，如测试图片、调整阈值、实时检测等，并提供了训练YOLO的步骤和注意事项。最后，文章对比了不同大小的YOLO模型版本，以及解决GPU架构问题的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.YOLO安装
1.clone Darknet命令：git clone https://github.com/pjreddie/darknet.git
2.编译：
cd darknet
make
3.使用
usage: ./darknet <function>
4.为了更快可以编译CUDA，方法：在Makefile文件中设置GPU=1，然后重新make
nvidia-smi命令查看显卡信息。
-i <index>标志可以选卡显卡
例如下面命令选择序号为1的显卡运行程序
./darknet -i 1 imagenet test cfg/alexnet.cfg alexnet.weights
也可以不适用gpu,例如如下设置
./darknet -nogpu 参数。。。
5.编译Opencv.
By default, Darknet uses stb_image.h for image loading. If you want more support for weird formats (like CMYK jpegs, thanks Obama) you can use OpenCV instead! OpenCV also allows you to view images and detections without having to save them to disk.
在Makefile里设置OPENCV=1，重新编译。下面命令可显示检测结果
./darknet imtest data/eagle.jpg

二.命令：
1.测试图片命令
./darknet yolo test cfg/yolo.cfg <path>/yolo.weights <image>
例如：./darknet yolo test cfg/yolo.cfg <path>/yolo.weights data/dog.jpg
2.改变阈值
YOLO默认只显示