编译 Darknet

• Windows 11
• Visual Studio 2022 (toolset: v141)
• CUDA Driver Version = 12.0 (显卡支持的最高版本 cuda)
• CUDA Toolkit 11.7.0 (实际使用的 CUDA 版本)
• NVIDIA GeForce RTX 4060 Laptop GPU

安装 CUDA & cuDNN

1. 从 https://developer.nvidia.com/cuda-toolkit-archive 下载 CUDA Toolkit 11.7.0 (October 2022), Versioned Online Documentation, 并安装至 D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7;
2. 从 https://developer.nvidia.com/rdp/cudnn-archive 下载 Download cuDNN v8.9.0 (April 11th, 2023), for CUDA 11.x, 解压并将三个库文件夹拷贝到 D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7;
3. 添加系统环境变量
   1. D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
   2. D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib
   3. D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
   4. D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
4. 重启系统, 终端运行 nvcc -V; 在 D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite 路径下打开终端运行 deviceQuery.exe 和 bandwidthTest.exe 查看 CUDA 和 cuDNN 是否安装成功;

• https://blog.csdn.net/jhsignal/article/details/111401628

编译与测试

1. 下载代码库 git clone https://github.com/AlexeyAB/darknet.git 到 D:\Data\darknet;

2. 打开 CMake-GUI

   1. Where is the source code: D:/Data/darknet;
   2. Where to build the binaries: D:/Data/darknet/build;

3. CMake Configure

   1. 2022
   2. x64
   3. v141

4. 指定 CMAKE_CUDA_COMPILER 路径: D:/ProgramFiles/NVIDIA GPU Computing Toolkit/CUDA/v11.7/bin/nvcc.exe;

5. 指定 OpenCV_DIR 路径: D:/ProgramFiles/OpenCV3411/build/x64/vc15/lib;

6. 将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\visual_studio_integration\MSBuildExtensions 路径下的文件拷贝到 D:\ProgramFiles\Microsoft Visual Studio\2022\Community\MSBuild\Microsoft\VC\v150\BuildCustomizations. 因为安装的 VS2022 的默认版本号为 v170, 因此安装 CUDA 时只在 v170 文件夹下安装了相关组件, 而我们现在希望以 v141 平台工具集进行编译, 这是 VS2017 默认的平台工具集, 对应的 VS 版本是 v150, 因此需要把如下文件拷贝到 v150 对应的文件夹下. 关于 Visual Studio 版本对应关系 可以参考 https://luosiyou.cn/blogs/visualstudio/;

   • CUDA 11.7.props
   • CUDA 11.7.targets
   • CUDA 11.7.xml
   • Nvda.Build.CudaTasks.v11.7.dll

   Commandline options:
   -DCMAKE_CUDA_COMPILER:FILEPATH="D:/ProgramFiles/NVIDIA GPU Computing Toolkit/CUDA/v11.7/bin/nvcc.exe" -DOpenCV_DIR:PATH="D:/ProgramFiles/OpenCV3411/build/x64/vc15/lib" 
   
   
   Cache file:
   CMAKE_CUDA_COMPILER:FILEPATH=D:/ProgramFiles/NVIDIA GPU Computing Toolkit/CUDA/v11.7/bin/nvcc.exe
   OpenCV_DIR:PATH=D:/ProgramFiles/OpenCV3411/build/x64/vc15/lib

7. 设置 CMAKE_INSTALL_PREFIX 为 D:/Data/darknet/install;

   1. CMAKE_INSTALL_PREFIX:PATH=D:/Data/darknet/install
   2. INSTALL_LIB_DIR:PATH=D:/Data/darknet/install/lib
   3. INSTALL_BIN_DIR:PATH=D:/Data/darknet/install/bin

8. CMake Configure, Generate, Open Project

9. 生成, 批生成, 全选, 生成;

10. 在 D:/Data/darknet/install 路径下得到库文件.

11. 测试: 将 编译生成的 darknet.exe 和 darknet.dll 拷贝到 D:\Data\darknet\build\darknet\x64 路径下, 从 https://pjreddie.com/media/files/yolov3.weights 下载权重文件同样放到该路径下, 双击运行该路径下的 darknet_yolo_v3.cmd 脚本, 根据提示, 缺少 zlibwapi.dll 文件, 在系统内找到该文件, 同样放到该路径下. 重新双击 darknet_yolo_v3.cmd 脚本运行, 将对示例图片进行推理并分类结果可视化到图片 predictions.jpg 中.