安装CUDA和Cudnn以及使用tensorflow_gpu构建YoloV3

网上有太多安装CUDA的教程,但貌似大多数都会走弯路。

此教程仅针对于快速部署项目而撰写,大佬请批评指教。

不建议使用Anaconda,此时的捷径,会为以后的乱七八糟埋下伏笔。

Python版本tensorflow三部曲。

一、安装CUDA

二、安装CUDNN(就是简单的复制粘贴)

三、安装对应版本的tensorflow_gpu(强调版本号)

1、确定你的GPU型号,比如博主使用的是TESLA V100,支持CUDA10.2版本(向下兼容)。简言之,如果你是初学者,安装最新版用于学习没有任何问题,后续遇到第三方包不兼容重新来过切换版本就行。如果您是大佬,想要运用到生产环境,请您参阅好第三方包兼容的版本然后安装对应版本的CUDA。

关于生产环境最佳实践请参考下文部署YoloV3算法实例。

查看硬件支持CUDA最高版本,点击英伟达控制面板-组件-NVCUDA.dll后面就是。

教程开始:

进入英伟达开发者官网https://developer.nvidia.com/cuda-downloads

下载安装包,打开默认是Windows下载页面。如果您是Linux大佬请多指教。反正Linux大佬基本上不会来这里。

(如链路慢,请自备工具)

双击XXX。exe打开安装包,如果您还想Play您的大型3D游戏,乖乖的选择自定义安装,非精简安装,然后仅在CUDA前面打勾。

2、安装Cudnn加速tensorflow,这里放一张Windows下tensorflow CUDA cudnn 版本对应关系,如您是Linux大佬,请多指教。咳咳,反正Linux大佬基本上不会来这里。

Cudnn下载链接:https://developer.nvidia.com/rdp/cudnn-archive

需要注册账号,不收费。。。

将需要的cudnn解压,将三个目录bin,include,lib里面的文件,复制到你CUDA的安装目录同名之对应文件夹。此处绝非计算机入门课,这段话信息量庞大,请自行理解。

3、安装tensorflow_gpu

强烈建议在生产环境使用3.6-3.7版本的Python程式码。

在大陆:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow_gpu==版本号

不在大陆:(不在大陆看个锤子哦,建议去混英文圈)

pip install tensorflow_gpu==版本号

tensorflow例子:

  1. >>> import tensorflow as tf
  2. >>> hello = tf.constant(‘Hello, TensorFlow!’)
  3. >>> sess = tf.Session()
  4. >>> print(sess.run(hello))

如果执行成功,那么恭喜你安装成功了。

如果没有执行成功那么建议您安装Python3.6

4、部署YoloV3项目:

官方项目地址:https://pjreddie.com/darknet/yolo/

博主优化的Python版本:

https://github.com/jobmr/yolov3-python

需要使用pip安装的以及版本:

keras=2.1.5 tensorflow=1.9 opencv matplotlib pillow python=3.6

生成权重文件:

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

请自行寻找您喜欢的weights。

开始跑吧:

检测图片:

python yolo_video.py –image

检测视频:

python yolo_video.py –input 视频文件

如果您的电脑配置够好甚至可以直接从摄像头拾取。

PS:在以下环境测速通过

  • Python 3.6.8
  • Keras 2.1.5
  • tensorflow 1.9.0

发表评论

电子邮件地址不会被公开。 必填项已用*标注