yolov3学习笔记-yolov3(CPU_GPU)安装

本文详细介绍YOLOV3在Mac/Linux环境下CPU安装步骤及Ubuntu系统下GPU加速安装流程,对比CPU与GPU运行效率,GPU处理速度显著提升。
部署运行你感兴趣的模型镜像

1.YOLOV3——CPU安装

安装环境:Mac+liunx+opencv2.7
1)克隆darknet

git clone https://github.com/pjreddie/darknet

2)编译项目

cd darknet
make

3)修改Makefile文件

GPU=0
CUDNN=0
OPENCV=1

只修改opencv=1;
如果没有装opencv;先执行:pip install opencv-python

4)下载预训练权重文件

wget https://pjreddie.com/media/files/yolov3.weights

5)测试

 ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 

6)安装成功
yolov3结构图
训练结果
7)结果保存在darknet目录下predictions.jpg
检测结果

2.YOLOV3——GPU安装

安装环境:ubantu16.4+GPU+CUDA+CUDNN+opencv3.x(版本可自行选择,建议不要选择最新的,不然容易出现版本不匹配)

按CPU安装步骤,需修改第三步
3)如果机器有使用GPU加速的环境,以及安装OPENCV了,需要做一下修改

gedit Makefile

或者vi Makefile

使用gedit打开编译文件,将文件前几行中,对应的GPU、CUDNN、OPENCV由0变为1;

GPU=1
CUDNN=1
OPENCV=1

同时修改Makefile中NVCC的路径:

NVCC=/usr/local/cuda/cuda/bin/nvcc

   -->NVCC=/usr/local/cuda-8.0/bin/nvcc(这里nvcc所在位置注意修改成自己的)

检测结果:
检测结果

3.CPU和GPU时间对比

CPU和GPU时间分别为:29.73s和0.038s;对比可见GPU速度比cpu快了很多,更符合现实场景下实时性的要求。

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO(You Only Look Once)是一种流行的物体检测和图像分割模型,由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出,因其高速和高精度而广受欢迎

评论
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