在win10下配置yolov3（超详细的der~）

在python3.6下安装vs2017+Cuda9.0+Cudnn7.1+TensorFlow-gpu1.9.0记录

经过千辛万苦终于将yolov3弄出来了，我希望我的配置过程可以帮助大家

文章目录

vs2017安装

在安装Cuda之前需要安装vs，这里我下载的是vs2017，​​链接​​（建议还是安装在C盘，以免后期出问题）
安装过程：

选择单个组件，然后选择vs++2015，也就是v14，如下图选择，随后安装即可

Cuda9.0安装

关于TensorFlow+Cuda+Cudnn的关系对照表

Linux下

windows下

Cuda的下载安装及配置

首先要确认下计算机是否有独立显卡（而且是英伟达显卡），然后点击​​此处​​​查询你的显卡是否在列表中。
一切准备就绪后开始Cuda的安装配置之旅
访问​​​链接​​​，在列表中选中Cuda9.0

之后选择相关参数进行下载

双击打开时显示的是临时解压目录，建议默认即可

接下来安装的时候一直下一步即可，安装成功后进行环境变量的添加：

测试Cuda是否安装成功：

Cudnn下载

访问​​链接​​​（需要注册账号）

注意 选择Cudnn的时候，7.1.x后面跟着的是Cuda 版本号
下载完毕后是一个压缩包，解压完后就可以将里面bin、include、lib文件夹中的内容分别拷入Cuda的安装目录下
Cudnn解压后的文件夹内容：

将bin里面的cudnn64_7.dll、include里面的cudnn.h、lib里面的cudnn.lib分别放入Cuda目录下的bin、include、lib文件夹里

TensorFlow-gpu安装

根据版本进行TensorFlow-gpu的安装，点击​​此处​​​查看需要的TensorFlow-gpu版本是多少
执行pip install 命令指定版本号进行安装即可
​​​pip install tensorflow-gpu==1.9.0​​​ 最后究极测试Cuda9.0+Cudnn7.1+TensorFlow-gpu1.9.0是否安装成功
测试代码：

import tensorflow as tf

hello= tf.constant(‘Hello, TensorFlow!’)
sess= tf.Session()
print(sess.run(hello))

• 1
• 2
• 3
• 4
• 5

结果：

最后会显示你的 显卡信息 以及 Hello TensorFlow，到这里vs+Cuda+Cudnn+TensorFlow-gpu就安装完毕了。

openCV安装配置

官网下载​​链接​​请不要使用3.4.1，请不要使用3.4.1，请不要使用3.4.1。yolov3的作者已经在GitHub上说明了使用3.4.1会出现变异问题。（亲测，3.4.1貌似真的有问题，假如有小伙伴使用3.4.1没问题，那就是我太菜的问题(●’◡’●)）

双击下载好的文件，选择解压路径后点击Extract即可完成解压，解压后就会自动生成一个opencv的文件夹

配置环境变量
将你解压后的opencv文件夹中的…\opencv\build\x64\vc14\bin路径添加到环境变量中

然后ok~

下载darknet

下载​​链接​​​ 也可以直接使用git-bash下载
​​git clone https://github.com/AlexeyAB/darknet​​

darknet.vcxproj文件的修改

下载完成之后，用文本编辑器、或记事本（我用的是sublime）打开…\darknet-master\build\darknet下面的darknet.vcxproj。分别在55行和299行（也可以全文搜索CUDA ）的CUDA 10.0————>CUDA 9.0

darknet.sln文件的设置

接下来需要打开darknet.sln，注意 不要直接双击打开，可以先打开vs2017，然后依次点击文件—>打开—>项目选中darknet.sln打开
打开后，vs会显示

注意，一定要选择无升级，因为如果点击升级，那就是把vs2015的项目升级为vs2017，这样做的结果就是白给，就会出错，所以我们将项目改成Release x64，然后右键项目—>属性

然后，VC++目录—>包含目录—>编辑添加目录：…\opencv\build\inclde（…表示各位小伙伴你们各自的安装路径，以下同理）

然后，配置库目录，添加：…\opencv\build\x64\vc14\lib

然后，C/C++—>常规—>附加包含目录—>编辑添加目录：…\opencv\build\include

然后，链接器—>输入—>附加依赖项—>添加目录：…\opencv\build\x64\vc14\lib下库的名字：opencv_world340.lib

接着，需要拷贝安装好的CUDA 9.0.props等文件：
CUDA 9.0.props等文件就在cuda的安装目录下，本人的路径是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\visual_studio_integration\MSBuildExtensions
将里面的所有的文件考本到C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations中，这是vs2017安装后的路径
PS：感谢@qq_41548343的题型，在vs2017中如果已存在 CUDA9.0.props 等文件的话，就可以不用复制了哦

不然可能会报如下错误：

然后，将…\opencv\build\x64\vc14\bin下的opencv_world340.dll 和opencv_ffmpeg340_64.dll

复制到E:\darknet\darknet-master\build\darknet\x64 目录下。
最后，还需要修改darknet.vcxproj下158行的compute值,将75改成61，原因貌似是和使用者显卡的计算能力值有关（这一步小伙伴们可以根据自身情况可以灵活变动）

因为我当时配置的时候也参考了别人的帖子，别人75是可以正常进行工程生产，而我需要降低数值才可以，可能我的显卡太菜了/(ㄒoㄒ)/
完成上述之后，就可以在darknet工程上右键—>生成，就会发现在工程目录下x64下多了些darknet.exe等文件啦，到这里就完成了搭建了。


完成搭建，之后就是激动人心的测试环节

下载yolo3.weights

下载作者训练好的模型：​​官网地址​​​、​​GitHub​​​下载yolo3.weights

为了方便大家，可以直接从我的​​​网盘，提取码zfib​​​下载
下载后放在…\darknet-master\build\darknet\x64目录下

然后进行测试，在当前目录下右键—>在此处打开命令窗口（也可以打开cmd，cd到darknet.exe的目录下），然后输入命令：​​darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg​​​ 下面是结果（我用的是自己喜欢的图）：

相关问题（持续更新）

这里主要记录网上一些小伙伴按照我的教程使用时遇到的一些问题，并分享给大家

无法打开输入文件 “opencv_world320.lib”

来自小伙伴 @qq_41548343 的分享
在darknet工程上右键—>生成，并没有编译出darknet.exe文件，并会提示

解决办法：
将OpenCV的解压路径 …\opencv\build\x64\vc14\lib 添加至程序—>属性—>链接器—>常规—>附加库目录中

参考

为了实现搭建查阅了很多大佬们的文章，也得到了很多帮助
[1] ​​​cuda安装教程+cudnn安装教程​​​ [2] ​​yolov3在win10 下用vs2017配置GPU版​​ [3] ​​yolo3 + Windows + VS2017 + CUDA9.2 教程​​ 以上是部分的文章，谢谢上面大佬的文章，我也希望我的文章可以帮助更多的人。