You Only Look Once（YOLO）安装与测试

对应论文：

You Only Look Once: Unified, Real-TimeObject Detection

 

第一步，安装Darknet。

1.      安装基本系统Installing The Base System

依次输入如下命令：

git clone https://github.com/pjreddie/darknet.gitcd darknetmake

如果make成功，可以看到控制台打印如下信息：

然后再输入如下命令：

./darknet

可以看到控制台打印的信息为：

接下来安装CUDA和opencv。安装CUDA是为了GPU加速（比CPU快500倍以上），安装opencv之后可以显示图片（不安装的话会把最终结果图片保存在硬盘里）。这两个安装是可选的，可以不用安装。

由于安装CUDA步骤比较繁琐，故此处不在说明，可以参考英伟达官网的教程说明。

如果CUDA安装成功，则可以输入nvidia-smi 命令查看显卡。另外，还需要在darknet目录下修改Makefile，修改为

   GPU=1

修改之后再make一下。

如果make之后出现如下错误（前提是CUDA确实安装成功了）：

/bin/sh: 1: nvcc: not found

make: ***[obj/convolutional_kernels.o] Error 127

则需要设置一下环境变量，如下：

export PATH=/usr/local/cuda-7.5/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH

如果有多个GPU，则可以使用-i <index> 选择使用哪个GPU，示例用法如下：

./darknet -i 1 imagenet test cfg/alexnet.cfg alexnet.weights

如果想要用GPU编译，但是想用CPU计算，则可以使用-nogpu 来使用CPU，示例用法如下：

./darknet -nogpu imagenet test cfg/alexnet.cfg alexnet.weights

opencv的安装可以参考网上的教程。

安装完之后，修改Makefile ，使得

OPENCV=1

修改完之后，同样需要重新make

输入如下语句

./darknet imtest data/eagle.jpg

如果opencv安装成功，则会显示如下图片：

2.      下载作者训练好的weight文件

输入命令

wget http://pjreddie.com/media/files/yolo.weights

大小1G左右。

接下来便可以运行测试demo了。

输入如下命令：

./darknet yolo test cfg/yolo.cfg yolo.weights data/dog.jpg

然后程序便开始运行了。控制台输出如下：

可以看到对于data文件夹下的dog.jpg图片，预测出了car，bicycle，dog。如果安装了opencv，会直接显示结果；如果没有安装，则会将结果保存在darknet文件夹下的predictions.png。结果如下图：

如果使用GPU版本，运行的时候可能会出现如下错误：

30:Detection Layer

forced:Using default '0'

Loadingweights from yolo.weights...Done!

CUDAError: invalid device function

darknet:./src/cuda.c:21: check_error: Assertion `0' failed.

Aborted (core dumped)

前面网络加载均正确，但是最后有关CUDA的错误。

这是由于不同的GPU架构不一样，需要在Makefile文件中将--gpu-architecture=compute_52, --gpu-code=compute_52（这是默认的），我们需要修改为适合我们GPU的值。

默认的值对应的GPU是Titan X GPU，即对应compute_52

Tesla K80 GPU对应的是compute_30，

我的GPU是Tesla K40c，对应的是compute_35，也就是改成

--gpu-architecture=compute_35,--gpu-code=compute_35

其他型号可以参考如下图，也可以去下面的链接查看。

网址为：http://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/index.html#virtual-architecture-feature-list

修改完Makefile之后，然后重新make，然后再运行

./darknet yolo test cfg/yolo.cfg yolo.weights data/dog.jpg

运行完之后，可以发现运行时间为0.118654s，比CPU运行时间（7.010997s）短多了。