NVDIA TX2入门 系列之三:运行Yolov3

上篇TX2安装完成OpenCV 3.4.0之后，基本软件包已经安装完成，本篇开始安装并运行大名鼎鼎的号称速度最快的目标识别分类算法Yolov3。

Yolov3 是啥啊

Yolov3是一款基于darknet深度学习框架的目标检测开源项目，目前已经发展到第3版本，即V3版本，darknet短小精悍，虽然功能和复用性不如当前如日中天的Tensorflow和Caffe，但由于其源码都是用纯C语言和CUDA底层编写的，所以它的速度超快特点让它在Yolov3项目中大放光彩，能够充分发挥多核处理器和GPU并行运算的功能。本质上说，Yolov3就是一个实现了回归功能的深度卷积神经网络。

然而非常遗憾的是Yolo之父redmon前两天在个人Twitter上宣布，将停止一切CV研究，原因是自己的开源算法已经用在军事和隐私问题上，这对他的道德造成了巨大的考验。这对Yolo的发展来说不是一个好消息，但是redmon以自身退出学术界来为AI道德问题敲响警钟，这种行为还是值得点赞！

工作环境

• TX2 ubuntu 18.04；
• CUDA：10.0；
• cudnn：7.6.3。

安装Yolov3

首先从github下载yolov3的源代码：

$ t clone https://github.com/pjreddie/darknet yolov3

下载完成后，需要修改Makefile文件，以匹配TX2平台。

cd yolov3
vim Makefile   //打开Makefile文件

#修改Makefile文件，GPU、CUDNN、OPENCV要是用设为1，如果要调试，DEBUG设为1
GPU=1
CUDNN=1
OPENCV=1
OPENNMP=0
DEBUG=1

#ARCH里边增加TX2支持，TX2位62
ARCH= -gencode arch=compute_53,code=[sm_53,compute_53] \
             -gencode arch=compute_62,code=[sm_62,compute_62]     /#增加TX2支持

make -j8    //编译yolov3

yolov3运行测试

下载预训练模型，后期可以根据检测目标要求，修改训练自己的模型。

cd yolov3
wget https://pjreddie.com/media/files/yolov3.weights //wget下载巨慢，而且很容易中断，建议迅雷下载后导入

经典的狗狗识别测试，检测完成后会生成predictons.jpg，并标出分类。

cd yolov3
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg  //运行yolov3检测dog.jpg图片