因为使用YOLO做实时目标检测,所以搭建ubuntu的darknet环境,虚拟机中的配置使得检测视频时的fps值偏低,所以在本机装了一个ubuntu18.04的双系统搭建OpenCV、CUDA等环境,趁着还记得安装过程记录下来以便参考
opencv
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev
解压编译安装后
sudo gedit /etc/ld.so.conf.d/opencv.conf
在文件末尾添加
/usr/local/lib
sudo ldconfig
sudo gedit /etc/bash.bashrc
在最末尾添加
1 | PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig |
source /etc/bash.bashrc
sudo updatedb
GPU驱动安装
run格式文件的安装需先禁用nouveau驱动
nouveau禁止命令写入文件
sudo vim /etc/modprobe.d/blacklist.conf
文件末尾添加以下语句
1 | blacklist nouveau |
调用指令禁止nouveau
echo options nouveau modeset=0 | sudo tee ‐a /etc/modprobe.d/nouveau‐kms.conf
更新内核
sudo update‐initramfs ‐u
重启系统
sudo reboot
进入tty模式
ctrl + alt+ F1
关闭x server
1 | sudo service lightdm stop |
切换NVIDIA安装包指定目录,赋予权限并进行安装
1 | cd ~/Downloads |
CUDA安装
选择CUDA版本,在官网的安装指导安装结束后
打开profile文件sudo gedit /etc/profile
在末尾处添加
1 | export PATH=/usr/local/cuda‐10.2/bin:$PATH |
测试CUDA的Samples
1 | cd /usr/local/cuda‐9.0/samples/1_Utilities/deviceQuery |
或者使用nvcc -V
安装CuDNN
CuDNN需注册账号
选择适合的版本下载
拷贝相关库文件
1 | sudo cp include/cudnn.h /usr/local/cuda/include/ |
若是cudnn.h与libcudnn*文件默认路径改变用whereis定位一下修改即可
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
darknet
修改MakeFile文件选项,编译安装无报错即可
注:数据集中图片与标签若不放入同一目录则检测不到