关于人工智能:YOLOv4-Darknet-如何于-Ubuntu-编译及使用-Python-接口

110次阅读

共计 6197 个字符，预计需要花费 16 分钟才能阅读完成。

本文将介绍 YOLOv4 官网 Darknet 实现，如何于 Ubuntu 18.04 编译，及应用 Python 接口。

次要内容有：

筹备根底环境：Nvidia Driver, CUDA, cuDNN, CMake, Python
编译应用环境：OpenCV, Darknet
用预训练模型进行推断：darknet 执行，或 python

而 YOLOv4 的介绍或训练，可见前文《YOLOv4: Darknet 如何于 Docker 编译，及训练 COCO 子集》。

举荐应用 graphics drivers PPA 装置 Nvidia 驱动：

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

查看举荐的 Nvidia 显卡驱动：

ubuntu-drivers devices

装置 Nvidia 驱动：

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

之后，sudo reboot 重启。运行 nvidia-smi 查看 Nvidia 驱动信息。

获取地址：

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

倡议抉择 CUDA 10.2，为目前 PyTorch 可反对的最新版本。

下载安装：

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

留神：装置时，请手动勾销驱动装置选项。

装置输入：

===========
= 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

增加环境变量：

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

重启终端后，查看：

$ 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

获取地址：

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

需抉择 CUDA 10.2 对应的版本。

装置 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

下载安装：

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/

增加环境变量：

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

阐明：apt 源的 cmake 太旧，darknet 编译不过。

获取地址：

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

Python 倡议用 Anaconda 发行版。

装置命令：

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

装置依赖：

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

编译命令：

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 门路请对应本人装置的版本。

运行查看：

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

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

解决办法：

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

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

解决办法:

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

编译命令：

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

运行查看：

$ 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

预训练模型 yolov4.weights，下载地址 https://github.com/AlexeyAB/d…。

能够筹备 MS COCO 数据集，下载地址 http://cocodataset.org/#download。或者本人找个图片。

`darknet` 执行

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

推断后果：

`python` 执行

Darknet 于其根目录，提供有 Python 接口。如下执行：

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

推断后果，如前一大节。

Let’s go coding ~

分享 Coding 中实用的小技巧、小常识！欢送关注，独特成长！

正文完

人工智能

发表至：人工智能

2020-09-28

0

关于人工智能:使用OpenCV和Python构建运动热图视频

关于人工智能:分布迁移下的深度学习时间序列异常检测方法探究

关于人工智能:脑电硬件教育相关的商业可穿戴脑电设备概览

关于人工智能:基于YoloV3卫星图像的储油罐容积占用率研究

关于小程序:键盘设置如何优化小程序使用体验

关于人工智能:YOLOv4-Darknet-如何于-Ubuntu-编译及使用-Python-接口

筹备根底环境

Nvidia Driver

Nvidia CUDA Toolkit

Nvida cuDNN

CMake

Python

编译应用环境

OpenCV 4.4.0

问题: libfontconfig.so.1

问题: libpangoft2-1.0.so.0

Darknet

用预训练模型进行推断

筹备模型与数据

`darknet` 执行

`python` 执行

结语

Just My Socks（注册教程内含优惠码）

关于人工智能:YOLOv4-Darknet-如何于-Ubuntu-编译及使用-Python-接口

筹备根底环境

Nvidia Driver

Nvidia CUDA Toolkit

Nvida cuDNN

CMake

Python

编译应用环境

OpenCV 4.4.0

问题: libfontconfig.so.1

问题: libpangoft2-1.0.so.0

Darknet

用预训练模型进行推断

筹备模型与数据

darknet 执行

python 执行

结语

Just My Socks（注册教程 内含优惠码）

`darknet` 执行

`python` 执行

Just My Socks（注册教程内含优惠码）