Win10+RTX3080深度学习环境搭建，执行YOLO目标检测

硬件环境：RTX3080
软件环境：WIN10，CUDA11.4，cuDNN8.2.2，VS2019，opencv4.5 ，cmake

opencv需要编译

安装3080后，重装win10系统，查看“设备管理器-显示适配器”，发现NVIDIA显卡驱动已经自动安装。

double check：win+r cmd，输入 nvidia-smi

一定要先安装VS再安装CUDA，否则VS无法配置CUDA工程！
直接从VS官网下载安装包，无脑安装就行啦。

参考：Cuda和cuDNN安装教程(超级详细)
到CUDA官网下载安装包，相应的属性选择如下图：

win+r cmd，输入 nvcc -V

参考：Cuda和cuDNN安装教程(超级详细)

查看cudnn是否安装成功：
win+r cmd，输入

cd C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.4extrasdemo_suite

进入到demo_suite的文件夹下，先后运行deviceQuery.exe和bandwidthTest.exe文件，如果均输出Result = PASS，则表示cudnn安装成功。

参考：VS2019 配置CUDA工程

配置好后，运行测试程序，输出正确结果即可。

参考：Windows系统下配置具有Contrib扩展模块的GPU版OpenCV

• 下载 opencv4.5.0 opencv-4.5.0-vc14_vc15.exe 双击解压到F:opencv4.5.0，然后打开环境变量，在系统变量PATH中添加路径

F:opencv4.5.0opencvbuildx64vc15bin

注：RTX3080最好用opencv4，不要用opencv3，不然编译opencv的时候会疯狂报错！

• 下载 Cmake 3.22.3 cmake-3.22.3-windows-x86_64.zip
  

• 下载 opencv contrib 4.5.0 opencv_contrib-4.5.0.zip

开始编译opencv：部分中间过程的截图如下：
参考：Windows系统下配置具有Contrib扩展模块的GPU版OpenCV

安装Basler_pylon
参考vs2017配置#include 「pylon/PylonIncludes.h」
配置相关路径：
VC++目录->包含目录：

F:opencv4.5.0myBuildinstallincludeopencv2
F:opencv4.5.0myBuildinstallinclude

VC++目录->库目录：

F:opencv4.5.0myBuildinstallx64vc16lib
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.4libx64

C/C+±>常规->附加包含目录：

C:Program FilesBaslerpylon 5Developmentinclude

链接器->常规->附加库目录：

C:Program FilesBaslerpylon 5DevelopmentlibWin32
C:Program FilesBaslerpylon 5Developmentlibx64

链接器->输入->附加依赖项：

opencv_world450d.lib
opencv_img_hash450d.lib
cublas.lib
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cudnn.lib
cudnn64_8.lib
cudnn_adv_infer.lib
cudnn_adv_infer64_8.lib
cudnn_adv_train.lib
cudnn_adv_train64_8.lib
cudnn_cnn_infer.lib
cudnn_cnn_infer64_8.lib
cudnn_cnn_train.lib
cudnn_cnn_train64_8.lib
cudnn_ops_infer.lib
cudnn_ops_infer64_8.lib
cudnn_ops_train.lib
cudnn_ops_train64_8.lib
cufft.lib
cufftw.lib
cufilt.lib
curand.lib
cusolver.lib
cusolverMg.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvjpeg.lib
nvml.lib
nvptxcompiler_static.lib
nvrtc.lib
OpenCL.lib

从github下载YOLO的源码：AlexeyAB/darknet
按照Readme里的说明，下载权重文件yolov4.weight

第一步：
在darknetbuilddarknet路径下，右键点击darknet.vcxproj，选择txt打开，CTRL+F搜索CUDA，将CUDA的版本都改成11.4。

第二步：
将NVIDIA CUDA的安装路径下的某个文件夹下的所有文件，复制到VS安装路径下的某个文件夹里。

.CUDAVisualStudioIntegrationextrasvisual_studio_integrationMSBuildExtensions

C:Program Files (x86)Microsoft Visual Studio2019CommunityMSBuildMicrosoftVCv160BuildCustomizations

win+r打开CMD黑窗口，进入YOLO的文件夹：

cd D:darknetbuilddarknetx64

执行检测命令：

darknet.exe detector test cfgcoco.data cfgyolov4.cfg yolov4.weights datadog.jpg

其中，待检测的图片放在路径：

D:darknetbuilddarknetx64data

3080深度学习环境配置
How to training YOLO by RTX 3080 #6976
yolov4 开发环境搭建_WIN10+YOLOv4，windows上完美执行YOLOv4目标检测
WIN10+YOLOv4，windows上完美执行YOLOv4目标检测
win10+VS2017+Opencv3.4.1+libtorch开发环境搭建(1)
AlexeyAB/darknet