上篇TX2安裝完成OpenCV 3.4.0之后，基本軟件包已經安裝完成，本篇開始安裝并運行大名鼎鼎的號稱速度最快的目標識別分類算法Yolov3。

Yolov3 是啥啊

Yolov3是一款基于darknet深度學習框架的目標檢測開源項目，目前已經發展到第3版本，即V3版本，darknet短小精悍，雖然功能和復用性不如當前如日中天的Tensorflow和Caffe，但由于其源碼都是用純C語言和CUDA底層編寫的，所以它的速度超快特點讓它在Yolov3項目中大放光彩，能夠充分發揮多核處理器和GPU并行運算的功能。本質上說，Yolov3就是一個實現了回歸功能的深度卷積神經網絡。

然而非常遺憾的是Yolo之父redmon前兩天在個人Twitter上宣布，將停止一切CV研究，原因是自己的開源算法已經用在軍事和隱私問題上，這對他的道德造成了巨大的考驗。這對Yolo的發展來說不是一個好消息，但是redmon以自身退出學術界來為AI道德問題敲響警鐘，這種行為還是值得點贊！

借用木盞博主的圖來說明一下Yolov3的網絡結構

工作環境

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

安裝Yolov3

首先從github下載yolov3的源代碼：

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

下載完成后，需要修改Makefile文件，以匹配TX2平臺。

cd yolov3vim Makefile //打開Makefile文件#修改Makefile文件，GPU、CUDNN、OPENCV要是用設為1，如果要調試，DEBUG設為1GPU=1CUDNN=1OPENCV=1OPENNMP=0DEBUG=1#ARCH里邊增加TX2支持，TX2位62ARCH= -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 //編譯yolov3

yolov3運行測試

下載預訓練模型，后期可以根據檢測目標要求，修改訓練自己的模型。

cd yolov3wget https://pjreddie.com/media/files/yolov3.weights //wget下載巨慢，而且很容易中斷，建議迅雷下載后導入

經典的狗狗識別測試，檢測完成后會生成predictons.jpg，并標出分類。

cd yolov3./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg //運行yolov3檢測dog.jpg圖片

總結

以上是生活随笔為你收集整理的makefile运行_NVDIA TX2入门 系列之三：运行Yolov3的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。