YOLOv4: Darknet 如何於 Ubuntu 編譯，及使用 Python 接口

本文將介紹 YOLOv4 官方 Darknet 實現，如何於 Ubuntu 18.04 編譯，及使用 Python 接口。

主要內容有：

• 準備基礎環境： Nvidia Driver, CUDA, cuDNN, CMake, Python
• 編譯應用環境： OpenCV, Darknet
• 用預訓練模型進行推斷： darknet 執行，或 python

而 YOLOv4 的介紹或訓練，可見前文《YOLOv4: Darknet 如何於 Docker 編譯，及訓練 COCO 子集》。

準備基礎環境

Nvidia Driver

推薦使用 graphics drivers PPA 安裝 Nvidia 驅動：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

查看推薦的 Nvidia 顯卡驅動：

ubuntu-drivers devices

安裝 Nvidia 驅動：

apt-cache search nvidia | grep ^nvidia-driver
sudo apt install nvidia-driver-450

以後， sudo reboot 重啓。運行 nvidia-smi 查看 Nvidia 驅動信息。

Nvidia CUDA Toolkit

獲取地址：

• CUDA Toolkit Archive: https://developer.nvidia.com/...

建議選擇 CUDA 10.2 ，爲目前 PyTorch 可支持的最新版本。

下載安裝：

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run

注意：安裝時，請手動取消驅動安裝選項。

安裝輸出：

===========
= Summary =
===========
Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-10.2/
Samples:  Installed in /home/john/cuda-10.2/, but missing recommended libraries
Please make sure that
 -   PATH includes /usr/local/cuda-10.2/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-10.2/lib64, or, add /usr/local/cuda-10.2/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-10.2/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.2/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 440.00 is required for CUDA 10.2 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver
Logfile is /var/log/cuda-installer.log

添加環境變量：

$ vi ~/.bashrc
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

重啓終端後，檢查：

$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:24:38_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

Nvida cuDNN

獲取地址：

• cuDNN Download: https://developer.nvidia.com/...

需選擇 CUDA 10.2 對應的版本。

安裝 deb 包：

sudo apt install ./libcudnn8_8.0.2.39-1+cuda10.2_amd64.deb
sudo apt install ./libcudnn8-dev_8.0.2.39-1+cuda10.2_amd64.deb
sudo apt install ./libcudnn8-doc_8.0.2.39-1+cuda10.2_amd64.deb

查看 deb 包：

dpkg -c libcudnn8_8.0.2.39-1+cuda10.2_amd64.deb

CMake

下載安裝：

curl -O -L https://github.com/Kitware/CMake/releases/download/v3.18.2/cmake-3.18.2-Linux-x86_64.sh
sh cmake-*.sh --prefix=$HOME/Applications/

添加環境變量：

$ vi ~/.bashrc
export PATH=$HOME/Applications/cmake-3.18.2-Linux-x86_64/bin:$PATH

說明： apt 源的 cmake 太舊， darknet 編譯不過。

Python

獲取地址：

• Anaconda: https://www.anaconda.com/dist...

Python 建議用 Anaconda 發行版。

安裝命令：

# bash Anaconda3-2020.07-Linux-x86_64.sh
bash Anaconda3-2019.10-Linux-x86_64.sh

編譯應用環境

OpenCV 4.4.0

安裝依賴：

apt install -y build-essential git libgtk-3-dev

編譯命令：

conda deactivate
# export CONDA_HOME="/home/john/anaconda3/envs/clenv"
export CONDA_HOME=`conda info -s | grep -Po "sys.prefix:s*K[/w]*"`
cd ~/Codes/
git clone -b 4.4.0 --depth 1 https://github.com/opencv/opencv.git
git clone -b 4.4.0 --depth 1 https://github.com/opencv/opencv_contrib.git
cd opencv/
mkdir _build && cd _build/
cmake -DCMAKE_BUILD_TYPE=Release 
-DCMAKE_INSTALL_PREFIX=$HOME/opencv-cuda-4.4.0 
-DOPENCV_EXTRA_MODULES_PATH=$HOME/Codes/opencv_contrib/modules 

-DPYTHON_EXECUTABLE=$CONDA_HOME/bin/python3.7 
-DPYTHON3_EXECUTABLE=$CONDA_HOME/bin/python3.7 
-DPYTHON3_LIBRARY=$CONDA_HOME/lib/libpython3.7m.so 
-DPYTHON3_INCLUDE_DIR=$CONDA_HOME/include/python3.7m 
-DPYTHON3_NUMPY_INCLUDE_DIRS=$CONDA_HOME/lib/python3.7/site-packages/numpy/core/include 
-DBUILD_opencv_python2=OFF 
-DBUILD_opencv_python3=ON 

-DWITH_CUDA=ON 

-DBUILD_DOCS=OFF 
-DBUILD_EXAMPLES=OFF 
-DBUILD_TESTS=OFF 
..
make -j$(nproc)
make install

其中 Python 路徑請對應本身安裝的版本。

運行檢查：

conda activate
export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH
export PYTHONPATH=$HOME/opencv-cuda-4.4.0/lib/python3.7/site-packages:$PYTHONPATH
python - <<EOF
import cv2
print(cv2.__version__)
EOF

問題: libfontconfig.so.1

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/john/opencv-cuda-4.4.0/lib/python3.7/site-packages/cv2/__init__.py", line 96, in <module>
    bootstrap()
  File "/home/john/opencv-cuda-4.4.0/lib/python3.7/site-packages/cv2/__init__.py", line 86, in bootstrap
    import cv2
ImportError: /home/john/anaconda3/bin/../lib/libfontconfig.so.1: undefined symbol: FT_Done_MM_Var

解決辦法：

cd $HOME/anaconda3/lib/
mv libfontconfig.so.1 libfontconfig.so.1.bak
ln -s /usr/lib/x86_64-linux-gnu/libfontconfig.so.1 libfontconfig.so.1

問題: libpangoft2-1.0.so.0

ImportError: /home/john/anaconda3/bin/../lib/libpangoft2-1.0.so.0: undefined symbol: FcWeightToOpenTypeDouble

解決辦法:

cd $HOME/anaconda3/lib/
mv libpangoft2-1.0.so.0 libpangoft2-1.0.so.0.bak
ln -s /usr/lib/x86_64-linux-gnu/libpangoft2-1.0.so.0 libpangoft2-1.0.so.0

Darknet

編譯命令：

export OpenCV_DIR=$HOME/opencv-cuda-4.4.0/lib/cmake
cd ~/Codes/
git clone https://github.com/AlexeyAB/darknet.git
cd darknet/
./build.sh

運行檢查：

$ export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH
$ ./darknet v
 CUDA-version: 10020 (10020), cuDNN: 8.0.2, CUDNN_HALF=1, GPU count: 1
 CUDNN_HALF=1
 OpenCV version: 4.4.0
Not an option: v

用預訓練模型進行推斷

準備模型與數據

預訓練模型 yolov4.weights ，下載地址 https://github.com/AlexeyAB/d... 。

能夠準備 MS COCO 數據集，下載地址 http://cocodataset.org/#download 。或者本身找個圖片。

darknet 執行

cd ~/Codes/darknet/
export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH
export MY_MODEL_DIR=~/Codes/devel/models/yolov4
export MY_COCO_DIR=~/Codes/devel/datasets/coco2017
./darknet detector test cfg/coco.data cfg/yolov4.cfg 
$MY_MODEL_DIR/yolov4.weights 
-thresh 0.25 -ext_output -show 
$MY_COCO_DIR/test2017/000000000001.jpg

推斷結果：

python 執行

Darknet 於其根目錄，提供有 Python 接口。以下執行：

cd ~/Codes/darknet/
export LD_LIBRARY_PATH=$HOME/opencv-cuda-4.4.0/lib:$LD_LIBRARY_PATH
export PYTHONPATH=$HOME/opencv-cuda-4.4.0/lib/python3.7/site-packages:$PYTHONPATH
python darknet_images.py -h
python darknet_images.py 
--batch_size 1 
--thresh 0.1 
--ext_output 
--config_file cfg/yolov4.cfg 
--data_file cfg/coco.data 
--weights $MY_MODEL_DIR/yolov4.weights 
--input $MY_COCO_DIR/test2017/000000000001.jpg

推斷結果，如前一小節。

結語

Let's go coding ~

---

分享 Coding 中實用的小技巧、小知識！歡迎關注，共同成長！