YOLOv4: Darknet 如何于 Ubuntu 编译，及使用 Python 接口

头像
GoCoding
    阅读 6 分钟

    本文将介绍 YOLOv4 官方 Darknet 实现，如何于 Ubuntu 18.04 编译，及使用 Python 接口。

    主要内容有：

    • 准备基础环境： 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》。

    准备基础环境

    Nvidia Driver

    推荐使用 graphics drivers PPA 安装 Nvidia 驱动：

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

    查看推荐的 Nvidia 显卡驱动：

    ubuntu-drivers devices

    安装 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。

    Nvidia CUDA Toolkit

    获取地址：

    建议选择 CUDA 10.2 ，为目前 PyTorch 可支持的最新版本。

    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
    注意：安装时，请手动取消驱动安装选项。

    安装输出：

    ===========
= 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，检查：

    $ 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

    获取地址：

    需选择 CUDA 10.2 对应的版本。

    安装 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/

    添加环境变量：

    $ vi ~/.bashrc
export PATH=$HOME/Applications/cmake-3.18.2-Linux-x86_64/bin:$PATH
    说明： apt 源的 cmake 太旧， darknet 编译不过。

    Python

    获取地址：

    Python 建议用 Anaconda 发行版。

    安装命令：

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

    编译应用环境

    OpenCV 4.4.0

    安装依赖：

    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 路径请对应自己安装的版本。

    运行检查：

    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

    问题: 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

    问题: libpangoft2-1.0.so.0

    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

    Darknet

    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

    运行检查：

    $ 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

    用预训练模型进行推断

    准备模型与数据

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

    可以准备 MS COCO 数据集，下载地址 http://cocodataset.org/#download 。或者自己找个图片。

    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

    推断结果：

    coco2017-test2017-000000000001.png

    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

    推断结果，如前一小节。

    结语

    Let's go coding ~

    分享 Coding 中实用的小技巧、小知识！欢迎关注，共同成长！
    GoCoding_WeChat.png

    人工智能
    GoCoding
    88 声望5 粉丝

    Go coding in my way :)

    « 上一篇
    YOLOv4: Darknet 如何于 Docker 编译，及训练 COCO 子集
    下一篇 »
    JupyterLab 交互式笔记本的安装使用

    引用和评论

    推荐阅读
    头像
    Flutter ncnn 使用

    GoCoding阅读 1.4k

    头像
    Light·技术公益创造营，开营了！

    SegmentFault思否赞 3阅读 12.6k

    头像
    数据集汇总｜18个电影/音乐数据集汇总，覆盖影片/歌曲推荐、电影评价、歌词识别、音乐流派······

    超神经HyperAI赞 3阅读 1.2k

    头像
    详解Diffusion扩散模型：理论、架构与实现

    techlead_kris赞 2阅读 1.1k

    头像
    Looktech 发布 AI 智能眼镜：旋钮交互引领创新，智能体小程序开启无限可能

    思否编辑部赞 1阅读 3.5k

    头像
    RAG+Agent人工智能平台：RAGflow实现GraphRA知识库问答，打造极致多模态问答与AI编排流体验

    汀丶赞 1阅读 1.5k

    头像
    李彦宏：即将迎来AI应用的群星闪耀时刻｜文心iRAG和无代码“秒哒”发布！

    思否编辑部阅读 4.9k

    0 条评论
    得票最新