Ubuntu16.04配置Darknet實現YOLO
介紹：
Darknet：開源的網絡框架
YOLO：實時的目標檢測系統，網絡包括24個卷積層，2個全連接層。其中，卷積層用來提取圖像特徵，全連接層用來預測圖像位置和類別概率值。
一. 安裝OpenCV
我安裝的版本是opencv3.1.0 官網鏈接：https://opencv.org/news.html ，下載.zip壓縮包，下載完成以後解壓到home目錄下
1.安裝依賴項
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
2.安裝opencv
cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
cmake完成以後在build目錄下開始make：
make -j8
注：-j8表示八核運算，根據電腦配置自行選擇。
make過程可能有報錯：
注：make失敗的話可以用make clean命令消除
1. 消除nvcc warnning
在終端輸入命令：cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=–Wno-deprecated-gpu-targets
2.
這是因爲opecv3.0與cuda8.0不兼容導致的。解決辦法：直接進入 home/wang/opencv/modules/cudalegacy/src文件夾，修改graphcuts.cpp文件內容，如圖：
其中，#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)||(CUDART_VERSION>=8000) 是我們修改的。
修改以後重新make
二.安裝CUDA
cuda是nvidia的編程語言平臺，想使用GPU就必須安裝cuda。
我安裝的版本是 CUDA Toolkit 8.0
官網鏈接：https://developer.nvidia.com/cuda-release-candidate-download
要先註冊才能下載，注意：下載的是cuda8.0的runfile（local）文件
下載完cuda8.0後，進入存放文件的文件夾，執行如下語句，運行runfile文件：
sudo sh cuda_8.0.61_375.26_linux.run
注意：執行後會有一系列提示讓你確認，有個選擇是詢問是否安裝NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26，如果已經安裝了顯卡驅動的話這裏要選擇否。其餘的都直接默認或者選擇是即可。
安裝成功以後會顯示如下界面：
安裝完畢後，要配置環境變量：
(1). 用gedit打開 ~/.bashrc文件,輸入如下命令：
sudo gedit ~/.bashrc
將以下內容寫入到~/.bashrc尾部：
export PATH=/usr/local/cuda-8.0/bin
{LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
如下圖所示：
(2). 將cuda8.0的安裝路徑及相應的庫文件導入到etc目錄下的profile文件末尾
打開文件：
cd /etc
sudo gedit profile
將以下內容導入文件尾部：
export PATH=
LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64
如下圖所示：
使配置文件生效，執行命令：source /etc/profile
可以測試一下cuda的Samples：
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
三. 安裝CUDNN
官網下載壓縮包cuDNN v5.1 Library for Linux，不要下載deb文件 (https://developer.nvidia.com/rdp/cudnn-download)：
下載完cuDNN5.1之後進行解壓：
sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
進入cuDNN5.1解壓之後的include目錄，在命令行進行如下操作：
cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include #複製頭文件
再將進入lib64目錄下的動態文件進行復制和鏈接：
cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/ #複製動態鏈接庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5 #刪除原有動態文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5 #生成軟銜接
sudo ln -s libcudnn.so.5 libcudnn.so #生成軟鏈接
四.配置darknet
1.下載darknet
git clone http://github.com/pjreddie/darknet.git
2.進入darknet文件夾，打開Makefile文件,按如下修改：
將開頭的OPENCV=0修改爲=1，
GPU=0修改爲=1，
NVCC= /usr/local/cuda-8.0/bin/nvcc
修改完成以後在darknet目錄下開始編譯：
make -j8
make的時候有個報錯參考了下面這篇博客得以解決：
https://blog.csdn.net/tmosk/article/details/76578082
五.測試
1.下載YOLO預訓練好的模型：
下載地址：https://pjreddie.com/media/files/yolo.weights，
注：我在darknet目錄下新建了weights文件夾，保存該weights文件。
2.單幅圖像測試
在darknet下輸入
./darknet detect cfg/yolo.cfg weights/yolo.weights data/dog.jpg
此時會報錯，提示找不到opencv庫，如下圖所示：
解決辦法：
① 在etc目錄下找到ld.so.conf文件
sudo gedit /etc/ld.so.conf
在文件中加上一行 /usr/loacal/lib（其實就是opencv的安裝路徑）
再運行sudo ldconfig,
② 修改bash.bashrc文件，sudo gedit /etc/bash.bashrc
在文件末尾加入：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
然後輸入命令：source /etc/bash.bashrc
就可以正常運行了。
測試結果：
3.實時視頻測試
輸入命令：
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
注：darknet目錄下的cfg文件夾存放的是一些網絡模型的配置文件，其中配置文件coco.data和yolov3.cfg文件就存放在該文件夾下。yolov3.weights文件是訓練好的模型，可以直接去官網下載yolov3.weights
報錯時參考的博客：
http://blog.csdn.net/feiderade/article/details/51778408
http://blog.csdn.net/tmosk/article/details/76578082
http://blog.csdn.net/u010454261/article/details/71268325?utm_source=itdadao&utm_medium=referral
http://blog.csdn.net/hrsstudy/article/details/60876451