水果识别-搭建框架

水果识别

• 安装相关依赖
• 安装darknet框架

1.安装相关依赖

2.安装darknet

1. 在github上clone darknet

   git clone https://github.com/pjreddie/darknet
   cd darknet
   make
   

   较新的机型建议使用下面这个版本的darknet

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

2. 更改Makefile

   GPU=1     #是否需要用GPU
   CUDNN=1   #是否需要用CUDNN,这是NVIDIA做的一些优化,实际上就是一些库文件,优化一些常用的矩阵操作
   OPENCV=1  #用来对图片进行操作,打开,画图等等,如果你不用的话,,在测试时就不会有直接显示图片的效果
   OPENMP=0  #CPU的多线程
   #Arch GPU的架构版本
   ARCH= -gencode arch=compute_20,code=[sm_20,sm_21] \# Fermi 架构 常见 gtx480 gtx580
         -gencode arch=compute_30,code=sm_30 \# Kepler 架构 常见 gtx680 
         -gencode arch=compute_35,code=sm_35 \# Kepler 架构 常见 gtx780 
         -gencode arch=compute_50,code=[sm_50,compute_50] \# Maxwell 架构 常见 gtx750Ti gtx8 到9 系列 M
         -gencode arch=compute_52,code=[sm_52,compute_52]# Maxwell 架构 常见 gtx8 到9 系列
         -gencode arch=compute_61,code=[sm_61,compute_61]# Pascal 架构 常见 gtx 10系列
         -gencode arch=compute_70,code=[sm_70,compute_70]# Volta 架构 这个不常见,用作超算或者数据中心
   
   #高版本code不能在低版本的卡上跑,架构不同的其特性也有差距,所以尽量查一下你的显卡是在那个计算能力上的
   

   注意两个问题，第一是上面把GPU,CUDNN,OPENCV这些都设为1，因为是做目标检测所以这些都要用到，另外要查实验机器对应的GPU型号，比如我用1080Ti所以只要-gencode arch=compute_61,code=[sm_61,compute_61] 这一行，其他的都注释掉。改好配置文件以后在执行make 。 这样框架基本就搭建好了，感觉搭建框架最麻烦的就是相关依赖的安装，没有安装好依赖编译就会不通过。
3. 检验安装下载训练权重（权重大约237M）

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

   测试

   ./darknet detect cfg/voc.data cfg/yolov3.cfg yolov3.weights data/dog.jpg
   

   会看到在命令行中显示