-
window에서 darknet 디버깅/빌드 하는 방법Machine Learning 2021. 4. 11. 03:04728x90
1. github.com/AlexeyAB/darknet를 다운로드 한다.
AlexeyAB/darknet
YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet ) - AlexeyAB/darknet
github.com
2. 위 링크의 Readme에 나와있는 window에 darknet을 설치하기 위해 필요한 것들이다.
(맨 아래에서 두번째) GPU with CC 랑 (맨 아래) MSVC 2017/2019는 따로 설치하지 않았다.
일단, CMake, CUDA, OpenCV, cuDNN 을 설치한다.
--->버전을 굳이 나와 똑같이 할 필요는 없으나, cuDNN은 CUDA버전과 맞춰서 설치해야한다.
Download | CMake
Current development distribution Each night binaries are created as part of the testing process. Other than passing all of the tests in CMake, this version of CMake should not be expected to work in a production environment. It is being produced so that us
cmake.org
CMake 는 3.20.0 버전을 설치했다.
굳이 소스버전으로 설치하지 않아도 된다. 필자는 binary 버전으로 설치했다.
4. developer.nvidia.com/cuda-toolkit-archive
CUDA Toolkit Archive
Previous releases of the CUDA Toolkit, GPU Computing SDK, documentation and developer drivers can be found using the links below. Please select the release you want from the list below, and be sure to check www.nvidia.com/drivers for more recent production
developer.nvidia.com
CUDA 는 11.1.1 버전으로 설치했다.
Releases - OpenCV
Become a Member Stay up to date on OpenCV and Computer Vision news Join our Newsletter
opencv.org
OpenCV 는 4.5.1 버전으로 설치했다.
5. developer.nvidia.com/rdp/cudnn-archive
cuDNN Archive
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.
developer.nvidia.com
cuDNN은 CUDA 버전에 맞춰서 설치한다.
필자는 CUDA 11.1.1 버전을 설치했으므로 cuDNN v8.1.0 버전을 설치했다.'
원래 설치하는 데 오래걸리므로 당황해 하지 않아도 된다.
6.
1) cuDNN zip파일을 푼다. (필자는 C:\work\cuDNN 에 풀었다.)
C:\work\cuDNN\cuda\bin\cudnn*.dll -> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v.8.1.0\bin C:\work\cuDNN\cuda\include\cudnn*.h -> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v.8.1.0\include
C:\work\cuDNN\cuda\lib\x64\cudnn*.lib ->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v.8.1.0\lib\x64
----> 이렇게 파일을 옮긴다.
2) 시스템 속성 -> 고급 -> 환경 변수 -> 시스템 변수 -> 새로 만들기
변수이름 : CUDA_PATH
변수값 : C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v.8.1.0
을 추가한다.
7.
1) CMake를 실행시킨다.
where is the source : <darknet 설치한 주소>
where is the build the binaries : <빌드할 주소>
(필자는 C:/work/AI/darknet-build 라는 폴더를 만들어서 지정해 줬다.)
2) Configure를 눌러 본인 환경에 맞게 설정한다.
(필자는 VS2019를 사용한다.)
그 다음, Generate를 누르면 빌드가 된다.
8. 빌드한 파일(C:/work/AI/darknet-build)안에 data파일, names파일, cfg파일, weights파일, 테스트용 영상 등을 넣는다.
(필자는 data폴더에 다 넣었다.)
9. Darknet.sln을 연다.
1) 디버그 -> 속성 -> 디버깅 에서 디버깅 형식을 관리형만으로 설정해준다.
2) 명령인수에 인수를 입력한다.
10. darknet 프로젝트에 마우스 오른쪽을 클릭하여 시작 프로젝트로 설정을 해준다.
11. 빨간 네모 박스처럼 Debug와 x64로 설정해준 후 디버깅한다.
728x90'Machine Learning' 카테고리의 다른 글
You Only Look Once: Unified, Real-Time Object Detection (0) 2022.07.01 [Python] 이미지 사이즈 변경 (0) 2021.04.11 openCV를 이용한 motion detection 후 이미지 캡쳐 코드 (0) 2021.02.15 Kaggle 캐글 : 타이타닉으로 입문하기(2) - 여러가지 모델 & 제출 (0) 2020.02.17 Kaggle 캐글 : 타이타닉으로 입문하기(1) - 데이터 탐색 & 전처리 (0) 2020.02.11