Ubuntu16.04配置Darknet实现YOLO

最新推荐文章于 2025-06-18 19:02:44 发布
原创 最新推荐文章于 2025-06-18 19:02:44 发布 · 1.1w 阅读 · 41 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ubuntu #opencv #git #框架

介绍：

Darknet：开源的网络框架
YOLO：实时的目标检测系统，网络包括24个卷积层，2个全连接层。其中，卷积层用来提取图像特征，全连接层用来预测图像位置和类别概率值。

一. 安装OpenCV

我安装的版本是opencv3.1.0 官网链接：https://opencv.org/news.html ，下载.zip压缩包，下载完成以后解压到home目录下

1.安装依赖项
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install checkinstall yasm libtiff5-dev libjpeg-dev libjasper-dev libdc1394-22-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.0-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils libeigen3-dev
这里写图片描述

2.安装opencv
cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local …
这里写图片描述

cmake完成以后在build目录下开始make：
make -j8
注：-j8表示八核运算，根据电脑配置自行选择。
make完成以后输入：
sudo make install
这里写图片描述
注：编译完成后要将opencv的安装路径添加到系统环境中，否则编译darknet的时候会提示找不到opencv库，添加方法参考下面第五步。

make过程可能有报错：
注：make失败的话可以用make clean命令消除

  1. 消除nvcc warnning
    在终端输入命令：cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=–Wno-deprecated-gpu-targets

这里写图片描述
这是因为opecv3.0与cuda8.0不兼容导致的。解决办法：直接进入 home/wang/opencv/modules/cudalegacy/src文件夹，修改graphcuts.cpp文件内容，如图：
这里写图片描述
其中，#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我们修改的。
修改以后重新make

最低0.47元/天 解锁文章

200万优质内容无限畅学
ubuntu18.04下darknet的yolov3运行以及训练
medusa_zj的博客
04-27 4346
darknet的yolov3运行ubuntu18.04环境下的darknet+yolov3环境darknet的安装及测试1、下载代码2、下载权重3、测试附测试自己数据集1、下载代码 ubuntu18.04环境下的darknet+yolov3 环境 ubuntu18.04 cuda:10.0.120 cudnn: opencv:3.2.0 darknet的安装及测试 官网 1、下载代码 git cl...
Ubuntu16.04下实现darknet-yolov3训练自己的数据（含loss图、mAP计算）
hesongzefairy的博客
07-07 2378
记录一下本地编译darknet并用自己的数据集来训练yolov3的过程，最后补充了mAP的计算方法。 1.环境配置 首先CUDA和Cudnn是必备的，安装有很多教程就不多写了，opencv安装比较麻烦可以不用装 2.本地编译darknet 从github获取darknet git clone https://github.com/pjreddie/darknet cd darknet 修改Makefile文件 GPU=1 #如果使用GPU设置为1，CPU设置为0 CUDNN=1 #如果使
Ubuntu 16.04 安装 Darknet
MacwinWin的博客
11-14 3467
Ubuntu 16.04 安装 Darknet安装Ubuntu 16.04安装GPU驱动、CUDA、cuDNN安装GPU驱动：安装CUDA、cuDNN：删除opencv 安装Ubuntu 16.04 使用UltraISO制作安装盘会出现问题，建议使用Rufu制作安装盘。 安装GPU驱动、CUDA、cuDNN 安装GPU驱动： sudo add-apt-repository ppa:graphics...
!一命速通!Ubuntu24.04+ROS2+Yolo检测|保姆级教程
最新发布
m0_73262230的博客
06-18 1623
本文详细介绍了在VMware虚拟机中安装Ubuntu 24.04并配置ROS2开发环境的完整流程。内容包括：虚拟机准备（磁盘空间40G以上、下载Ubuntu镜像）、VMware安装与设置（USB3.1兼容性配置）、基础工具安装（open-vm-tools、Terminator终端、gedit编辑器）。重点讲解了ROS2 Jazzy版本的安装步骤，包括编码设置、密钥配置、清华源添加，以及通过demo_nodes测试安装成功。此外，还提供了摄像头驱动usb_cam和图像可视化工具rqt_image_view的配
详解yolo3-darknet使用voc数据在ubuntu下配置检测目标以及自定义目标检测
此生不换的博客
07-09 953
假若是一个新机器，要做配置1.显卡驱动，2.安装cuda，3.配置cudnn，4.git下载darknet，5.配置参数，6.训练网络，7.测试网络几个步骤 之前使用的是gtx1050ti的笔记本进行的实验，但是跑了差不多五天了，还没有收敛，目前avg loss在0.3左右。然后收敛速度太慢了，就是用rtx2080ti进行配置，也是一步一步就行配置过来的。 1.显卡驱动 在ubuntu...
【目标检测】Ubuntu版本Darknet编译+libdarknet.a静态链接库和libdarknet.so动态链接库调用+VMware 12.0.1+Opencv3.4.1
LeonJin的博客
09-18 4244
在Ubuntu16.04 LTS系统上编译Opencv3.4.1和Darknet 电脑是x86_64架构的，如果要用在树莓派那种arm架构电脑上的话，可以参考： 【树莓派3B上测试YOLO效果】http://www.360doc.com/content/17/0909/23/27698033_685865660.shtml 1.VMware 12.0.1+Ubuntu16.04 LTS...
darknet详解（yolo图像检测）
m0_52571715的博客
11-16 1万+
darknet详解（yolo图像检测） 个人记录整理，如有转载请注明来源 https://blog.csdn.net/weixin_37731771/article/details/103666068， 本文中包含的一张图片来源于网络，如有不妥请与我联系。 文章目录darknet详解（yolo图像检测）简介安装使用使用预先训练模型测试训练自己的模型在Python中整合详解yolov3.cfg 参数详解issues 参考文档 darknet官方文档 Darknet概述 Yolo darknet训练自己
基于Ubuntu的yolov4 环境配置以及效果实测
mr_qin_hh的博客
05-11 7441
我目前主要“研究”的是语义分割。因为实习的原因，现在开始着手学习目标检测。打个卡，纪念我实习的第一次。 最近yolov4 开源了，各路大神都开始秀操作了。工业上也不例外。于是，我接到了实习的第一个任务：测试一下yolov4的性能，看有没有可能引进到工业上。 paper：https://arxiv.org/pdf/2004.10934.pdf code：https://github.com/AlexeyAB/darknet 我们将源码下载下来以后： 可以先修改一下Makefile里面的文件： ..
ubuntu16.04编译运行YOLOv4
zbr794866300的博客
05-28 4391
YOLOv4使用GPU测试及训练配置要求: CUDA 10.0 cudnn 7.0以上 opencv2.4以上 整个 满足配置的情况下详细过程如下: 1.下载YOLOV4 git clone https://github.com/AlexeyAB/darknet.git 2.编译 (1如果只用CPU测试,没有安装CUDA和Cudnn,直接cd到指定目录下make编译即可. cd darknet make 之前可能会报错 error: ‘for’ loop initial decla.
在Ubuntu 16.04下的YOLO V3复现及问题解决
playezio的博客
05-27 4689
在使用yolo应用于自己的项目时，首先复现一下作者所做的，看一下效果。主要参考：https://pjreddie.com/darknet/yolo/使用预训练模型进行检测本文将引导您使用预先训练的模型通过YOLO系统检测对象。 如果你还没有安装Darknet，你应该先安装一下。git clone https://github.com/pjreddie/darknet cd darknet make...
Ubuntu16.04配置安装darknet
gzj_1101的专栏
11-28 1万+
darknet是一个开源的深度学习框架，非常小巧，不用其他库的支持就能直接运行。但是作者还是支持了cuda和opencv更加方便加速训练以及显示。下面我们开始进行darknet+cuda+opencv的安装。安装顺序 opencv CUDA darknet 安装顺序一定要注意，不然出现错误非常麻烦。darknet安装顺序可以随意，但是opencv一定要cuda前面安装。不然报错很难解决只能重装系统。
libdarknet.so
04-12
yolov4_tiny在jetson nano上编译好的文件，可直接共给darknet.py调用，当然前提得安装好opencv，opencv版本为4.1.1
报错解决——OSError: libdarknet.so: cannot open shared object file: No such file or directory
weixin_30275415的博客
07-27 3065
　　在python目录下打开终端，输入 python darknet.py 结果报错 Traceback (most recent call last): File “darknet.py”, line 39, in lib = CDLL(“libdarknet.so”, RTLD_GLOBAL) File “/home/ubuntu/anaconda3/lib/python3....
【darknet】windows下安装darknet（无GPU、无OpenCV）
XYZ
02-25 4418
本文参考自：darknet在windows上的安装编译与使用 1，操作系统环境 Windows1064位操作系统，无gpu，Visio studio 2015，OpenCV 3.4.2。 2，下载darknet 在github网站上，点击“clone or download”，然后选择“download ZIP”，下载为文件darknet-maste...
Ubuntu16.04下运行YOLO3及相关环境配置
vilmaigic的博客
08-13 1万+
1. 硬件说明： 电脑型号：OMEN-by-HP-Laptop-17-an0xx(惠普幽灵17) 显卡：Nvidia GeForce GTX1070 （8G显存） 内存：16G 系统：预装Win10 2.Ubuntu16.04+win10双系统安装 UEFI引导的系统参考博文：https://blog.csdn.net/baobei0112/article/details/779...
Darknet官方文档（含Yolo-V2和V3在win和Linux训练测试步骤、计算mAP、调参优化等）
dspeia的博客
08-03 9246
GitHub原文：https://github.com/AlexeyAB/darknet#how-to-compile-on-linux Yolo-v3 and Yolo-v2 for Windows and Linux (neural network for object detection) How to use How to compile on Linux How to comp...
yolo-darknet配置安装与测试
热门推荐
samylee的博客
06-15 4万+
继caffe-fasterrcnn后，又一个yolo-darknet的配置教程，希望可以帮助大家。 注意：1、请严格按照我提供的安装顺序安装，即ubuntu-opencv2.4.10-darknet-cuda7.5-darknet-test 2、有些您复制的终端命令如果不能在终端运行，请注意英文全角半角问题，您可以将命令输入终端，无须复制粘贴命令 第一部分：Ubuntu14.04桌面版...
Darknet 训练所需配置
moon
11-14 1383
一 修改yolo-voc.cfg文件 第一段 （这里不需要修改   默认值为 batch =64  subdivisions=8） 最后一段 需改 [convolutional]   size=31  stride=1   pad=1   filters=35  //修改最后一层卷积层核参数个数，计算公式是依旧自己数据的类别数filter=num×（classes + coord...
ubuntu16.04yolo3训练
03-19
### 配置并使用 YOLOv3 进行训练 要在 Ubuntu 16.04 上成功配置并使用 YOLOv3 模型进行训练，需完成以下几个主要部分的工作： #### 一、安装 Darknet 和依赖项 首先需要克隆 AlexeyAB 的 `darknet` 仓库，并按照官方指南编译项目。 ```bash git clone https://github.com/AlexeyAB/darknet.git cd darknet make ``` 上述命令会下载源码并尝试编译 Darknet 工具包[^1]。如果遇到错误提示缺少某些库，则可能需要手动安装这些依赖项。 #### 二、设置 CUDA 和 cuDNN 支持 为了加速 GPU 训练过程，建议启用 NVIDIA 提供的 CUDA 及其深度学习优化库 cuDNN。以下是具体操作方法： 1. **安装 CUDA**: 下载适合系统的版本 (推荐 CUDA 8 或更高)，并通过 dpkg 安装器执行安装脚本。 2. **配置环境变量**: 编辑用户的 `.bashrc` 文件来添加必要的路径信息： ```bash sudo nano ~/.bashrc export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 3. **加载 cuDNN 库**: 将 libcudnn.so.x.y.z 复制至 `/usr/local/cuda/targets/x86_64-linux/lib/`, 并创建软链接指向最新版共享对象文件[^3]: ```bash sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/lib64/libcudnn* ``` 重新登录使更改生效或者直接运行 source 命令更新当前 shell session 中的环境变量。 #### 三、准备自定义数据集 对于特定领域内的目标检测任务来说，通常都需要用自己的标注图片作为输入资料。这里假设已经准备好了一个 VOC 格式的 XML 数据描述文档集合以及对应的 JPEG 图像资源。 编辑配置文件以匹配个人的数据结构布局: - 创建一个新的 .cfg 文件用于指定网络架构参数； - 修改 classes 参数数量等于类别总数； - 更新 filters 属性值为 `(classes + 5)*3`; 最后记得调整 batch size, subdivisions 等超参设定以便更好地适应硬件条件限制情况下的性能表现需求[^2]. #### 四、开始正式训练流程 当一切准备工作就绪以后就可以发起实际的学习进程啦！ ```bash ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpu 1 2>&1 | tee logs/train_yolov3.log ``` 这条指令将会调用预训练权重初始化模型参数并向终端打印实时进度报告的同时将其记录下来存入日志文件当中方便日后分析查看效果曲线变化趋势等问题所在之处进而采取相应措施加以改进提升最终成果质量水平达到预期标准之上. --- ### 注意事项 确保所有软件组件兼容性良好；密切监视系统资源消耗状况防止过热宕机等情况发生影响整体效率进展速度等方面因素考虑全面合理规划时间安排科学管理整个开发周期直至顺利完成既定目标任务为止.
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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