在具備GPU顯卡且主持CUDA的純凈的UBUNTU18.04系統上，按照如下指導檔案安裝 Nvidia 顯卡驅動，
Ubuntu18.04安裝CUDA深度學習環境_tugouxp的專欄-CSDN博客
之后，下載darknet
git clone https://github.com/AlexeyAB/darknet.git進入darknet/scripts，執行命令：
sudo ./scripts/setup.sh --InstallCUDA
最后輸出pwsh的錯誤 貌似沒有太大影響，
安裝opencv, python opencv:
sudo apt install libopencv-dev
之后安裝Anaconda3-2020.11-Linux-x86_64.sh參考下面博客
Cuda環境搭建并部署多目標跟蹤模型FairMOT推理驗證_tugouxp的專欄-CSDN博客
安裝完畢anaconda后，升級PIP工具，不升級會在安裝PYTHON OPENCV的時候失敗，
pip3 install --upgrade pip之后執行
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-build
pip3 install opencv-python
編譯darknet,打開GPU，CUDA,OPENCV支持，
下載YOLOV3權重
wget -c https://pjreddie.com/media/files/yolov3.weights驗證單張圖片，執行./image_yolov3.sh
驗證攝像頭采集
修改darknet_video.py實作，將默認的YOLOV4模型修改為YOLOV3模型，
最后，執行python3 darknet_video.py
由于使能了GPU，檢測幀率有明顯提升，
結束！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423236.html
標籤：AI