YOLOv4 Ubuntu 使用
本文将介绍 YOLOv4 官方 Darknet 实现，如何于 Ubuntu 18.04 编译，及使用 Python 接口。
主要内容有：
- 准备基础环境： Nvidia Driver, CUDA, cuDNN, CMake, Python
- 编译应用环境： OpenCV, Darknet
- 用预训练模型进行推断：
darknet执行，或python
而 YOLOv4 的介绍或训练，可见《YOLOv4 Docker 使用》。
准备基础环境#
Nvidia Driver#
推荐使用 graphics drivers PPA 安装 Nvidia 驱动：
查看推荐的 Nvidia 显卡驱动：
安装 Nvidia 驱动：
之后， sudo reboot 重启。运行 nvidia-smi 查看 Nvidia 驱动信息。
Nvidia CUDA Toolkit#
获取地址：
- CUDA Toolkit Archive: https://developer.nvidia.com/cuda-toolkit-archive
建议选择 CUDA 10.2 ，为目前 PyTorch 可支持的最新版本。
下载安装：
注意：安装时，请手动取消驱动安装选项。
安装输出：
添加环境变量：
重启终端后，检查：
Nvida cuDNN#
获取地址：
- cuDNN Download: https://developer.nvidia.com/rdp/cudnn-download
需选择 CUDA 10.2 对应的版本。
安装 deb 包：
查看 deb 包：
CMake#
下载安装：
添加环境变量：
说明： apt 源的 cmake 太旧， darknet 编译不过。
Python#
获取地址：
- Anaconda: https://www.anaconda.com/distribution/
Python 建议用 Anaconda 发行版。
安装命令：
编译应用环境#
OpenCV 4.4.0#
安装依赖：
编译命令：
其中 Python 路径请对应自己安装的版本。
运行检查：
问题: libfontconfig.so.1#
解决办法：
问题: libpangoft2-1.0.so.0#
解决办法:
Darknet#
编译命令：
运行检查：
用预训练模型进行推断#
准备模型与数据#
预训练模型 yolov4.weights ，下载地址 https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights 。
可以准备 MS COCO 数据集，下载地址 http://cocodataset.org/#download 。或者自己找个图片。
darknet 执行#
推断结果：
python 执行#
Darknet 于其根目录，提供有 Python 接口。如下执行：
推断结果，如前一小节。