本文共 1855 字，大约阅读时间需要 6 分钟。

一、下载安装cuda、cudn

参考链接：

二、下载安装opencv

本人下载的是没有contrib模块的，如果想编译带有contir模块的可以参考

• ,里面有vs2017安装教程

2.1、opencv3.4.2下载地址，其他的地址上下页查找

下载windows版本的，不建议使用源码编译那样比较慢

2.2、下载完的opencv3.4.2双击提取到自己想要的位置

2.3、将opencv3.4.2加入系统路径中

 

2.4、将自己的opencv的路径添加入path中如下所示：

三、下载darknet源码

3.1下载地址：

3.2、下载好后解压压缩包，将opencv/build/x64/vc15或者vc14(这个是根据你vs编译器版本来的，因为我安装了vs2017所以我选择vc15)下面的opencv_ffmpeg、opencv_world放到darrknet/x64文件夹下面，如下图所示：

3.3修改darknet.vcxproj里面cuda版本号

查看自己电脑安装cuda的版本号：打开终端输入nvcc -V

打开darknet\build\darknet\darknet.vcxproj，搜索“CUDA ”，CUDA后面有一个空格，修改为对应的CUDA版本，总共有两处需要修改。

下图打开darknet.vcxproj：

总共需要修改的两处地方：根据自己的cuda版本来修改

55行内容：

修改后为：

 305行内容：

修改后为：

 

3.4打开darknet.sln工程开始准备编译工作，将平台属性改成release x64

 

将平台改成自己相对应的vs编译环境，本人使用的是visual studio2017环境

 

darknet配置opencv包含目录：

 

darknet配置opencv库目录：

 

darknet配置opencv附加依赖项：

 

darknet配置CUDA，按如下图所示配置：

电脑安装cuda路径

 

将cuda路径加入darknet编译工程中

 

darknet编译工程配置显卡计算参数：

下面是一些显卡计算参数

# Tesla V100# ARCH= -gencode arch=compute_70,code=[sm_70,compute_70]# GeForce RTX 2080 Ti, RTX 2080, RTX 2070, Quadro RTX 8000, Quadro RTX 6000, Quadro RTX 5000, Tesla T4, XNOR Tensor Cores# ARCH= -gencode arch=compute_75,code=[sm_75,compute_75]# Jetson XAVIER# ARCH= -gencode arch=compute_72,code=[sm_72,compute_72]# GTX 1080, GTX 1070, GTX 1060, GTX 1050, GTX 1030, Titan Xp, Tesla P40, Tesla P4# ARCH= -gencode arch=compute_61,code=sm_61 -gencode arch=compute_61,code=compute_61# GP100/Tesla P100 - DGX-1# ARCH= -gencode arch=compute_60,code=sm_60# For Jetson TX1, Tegra X1, DRIVE CX, DRIVE PX - uncomment:# ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]# For Jetson Tx2 or Drive-PX2 uncomment:# ARCH= -gencode arch=compute_62,code=[sm_62,compute_62]

 改成自己显卡的计算力

编译生成darknet.exe。

下面是编译过程，成功1个，失败0个，表示编译成功了。

四、测试

4.1、成功后，在build\darknet\x64中找到darknet.exe

 

4.2、去官网下载作者训练好的yolo3.weights模型放到build\darknet\x64进行测试，build\darknet\x64中的以cmd结尾文件里面是windows的shell脚本。

找到darknet_yolo_v3.cmd，双击运行

 

参考：

•  

转载地址：http://nrzlf.baihongyu.com/