Darknet CUDA/CUDANN环境的快速安装

在具备GPU显卡且主持CUDA的纯净的UBUNTU18.04系统上，按照如下指导文档安装 Nvidia 显卡驱动。

Ubuntu18.04安装CUDA深度学习环境_tugouxp的专栏-CSDN博客

之后，下载darknet

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

进入darknet/scripts，执行命令：

sudo ./scripts/setup.sh --InstallCUDA

最后输出pwsh的错误 貌似没有太大影响。

安装opencv, python opencv:

sudo apt install libopencv-dev 

之后安装Anaconda3-2020.11-Linux-x86_64.sh参考下面博客

Cuda环境搭建并部署多目标跟踪模型FairMOT推理验证_tugouxp的专栏-CSDN博客

安装完毕anaconda后，升级PIP工具，不升级会在安装PYTHON OPENCV的时候失败。

pip3 install --upgrade pip

之后执行

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-build
pip3 install opencv-python

编译darknet,打开GPU，CUDA,OPENCV支持。

下载YOLOV3权重

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

验证单张图片，执行./image_yolov3.sh

验证摄像头采集

修改darknet_video.py实现，将默认的YOLOV4模型修改为YOLOV3模型。

最后，执行python3 darknet_video.py

由于使能了GPU，检测帧率有明显提升。

结束！