Ubuntu環境下配置darknet

本教程基於Linux物理機進行相關配置，要求物理機中包含N卡且Capbility>=3.0,小於3.0(Fermi架構)只允許配置cuda,不能配置使用Cudnn:

本教程分為：

1.安裝NVIDIA驅動(默認使用nvidia-384)

2.安裝cuda加速工具

3.安裝cudnn

4.配置opencv2.4.13

5.配置並運行darknet

1.安裝NVIDIA驅動:

打開終端輸入

sudo apt-get install nvidia-384

等待安裝結束

重啟物理機，輸入nvidia-smi,若終端能顯示

表明安裝成功

2.安裝cuda:

前往Cuda官網下載Cuda8.0的相關程序

網址為https://developer.nvidia.com/cuda-80-ga2-download-archive

之所以選擇這個版本是因為對於TensorFlow等相關工具也試用，不會出現cuda等級過高的問題

相關程序在壓縮文件中也將會打包一份（我下載的是.run文件,避免了軟件源更新失敗無法安裝的問題）

接着我們按住CTRL+ALT+F1,進入非圖形化界面

執行

sudo service lightdm stop

關閉圖形化界面(檢測的時候使用(CTRL+ALT+F7)，若無法返回桌面，表示圖形化桌面正常關閉)

進入down好的cuda文件的所在文件夾sudo sh cuda_8.0.61_375.26_linux.run –no-opengl-libs

同意相關協議后，會彈出是否安裝NVIDIA驅動，我們選擇no，我們已經安裝過了384版本的NVIDIA驅動，故無需安裝cuda中配帶的驅動
然后其他按照默認執行，當代碼結束后，執行sudo reboot重啟命令
重啟后，配置cuda環境變量
sudo gedit ~/.bashrc
在該文件最后加入兩行並保存
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-8.0/bin:$PATH
退出后在終端中輸入
source ~/.bashrc
使環境生效
在終端中重新敲入nvcc -V判斷是否安裝成功

上 圖表示安裝成功，此時cuda已經安裝完成，然后我們可以進入/usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
查看自己的顯卡運算能力
運行
sudo make
編譯完成后運行
./deviceQuery
最后一行顯示pass表示cuda安裝成功，第二行顯示的是顯卡各個Sp的運算能力

上 圖表明顯卡運算能力是2.1，成功安裝好cuda

3.安裝cudnn:

Cudnn能夠基於cuda的基礎上再加速十倍附近的效果，但是要求顯卡運算能力必須達到3.0以上才可以配置，否則雖然預測效果快但是無法出現效果。

https://developer.nvidia.com/rdp/cudnn-download #cudnn下載網址

我們選擇.V5.1版本cudnn配對於cuda8.0

在終端輸入:

sudo cp cudnn.h /usr/local/cuda/include/ #復制頭文件

cd ../lib64 #打開lib64目錄

sudo cp lib* /usr/local/cuda/lib64/ #復制庫文件

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* #給所有用戶增加這些文件的讀權限

建立軟連接:

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5

sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5

sudo ln -s libcudnn.so.5 libcudnn.so

設置環境變量，終端輸入

sudo gedit /etc/profile 

在代碼末尾加入

PATH=/usr/local/cuda/bin:$PATH export PATH

進行相關環境配置：

sudo gedit /etc/ld.so.conf.d/cuda.conf（該目錄下原先不存在該文件）

輸入

/usr/local/cuda/lib64

保存退出

輸入

sudo ldconfig

到此cuda和cudnn的就已經成功安裝完成

4.配置opencv2.4.13

首先搭建依賴環境: 

sudo apt-get install build-essential 

安裝依賴包

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

安裝可選包

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

其次下載opencv

sudo wget https://github.com/Itseez/opencv/archive/2.4.13.zip

解壓后進入opencv-2.4.13文件夾

輸入

mkdir release

創建release文件夾

cd release

cmake -DCMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=/usr/local..
編譯opencv
sudo make -j4
安裝
sudo make install
設置相關路徑:
sudo gedit /etc/ld.conf.d/opencv.conf
此文件原來也是不存在的
添加上
/usr/local/lib 
保存
運行
sudo ldconfig
配置環境:
sudo gedit ~/.bashrc
在文件最后加上環境變量
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/pkgconfig
export PKG_CONFIG_PATH
保存后運行
source ~/.bashrc

5.配置並運行darknet
下載darknet源碼及文件
git clone https://github.com/pjreddie/darknet.git
若沒有git運行
sudo apt-get install git
然后我們進入darknet文件夾
cd darknet
備份一份Makefile
cp Makefile  Makefile-bak
接着修改Makefile中的參數
修改
GPU = 1
CUDNN = 1
OPENCV = 1
然后知道找到NVCC=nvcc項
更改為
NVCC = /usr/local/cuda/bin/nvcc
保存退出
make -j12
成功的話文件夾下會生成darknet可執行文件

參考blog:
https://blog.csdn.net/prototype___/article/details/79797611
https://blog.csdn.net/gzj_1101/article/details/78651650
https://blog.csdn.net/c406495762/article/details/62896035