如何在5分钟内搭建Darknet/YOLO环境？Windows与Linux系统安装教程

【免费下载链接】darknet Darknet/YOLO object detection framework 项目地址: https://gitcode.com/gh_mirrors/darkne/darknet

想要快速上手Darknet/YOLO目标检测框架吗？这篇完整指南将教你如何在Windows和Linux系统上快速搭建Darknet/YOLO环境。Darknet是一个开源的神经网络框架，而YOLO（You Only Look Once）则是运行在该框架上的实时目标检测系统。无论你是计算机视觉新手还是经验丰富的开发者，这篇教程都能帮助你在5分钟内完成环境搭建！🚀

📋 系统要求与准备工作

在开始安装之前，请确保你的系统满足以下基本要求：

• 操作系统：Windows 10/11 或 Ubuntu/Debian Linux（其他Linux发行版也可用）
• 内存：至少4GB RAM（推荐8GB以上）
• 存储空间：至少2GB可用空间
• 编译器：支持C++17的编译器
• CMake：3.12或更高版本
• OpenCV：4.x版本

如果你有NVIDIA或AMD GPU，强烈建议安装对应的CUDA或ROCm驱动，这将大幅提升训练和推理性能！

🐧 Linux系统安装步骤（Ubuntu示例）

Linux系统是Darknet/YOLO开发的首选平台，安装过程简单快捷：

步骤1：安装依赖包

打开终端并运行以下命令安装必要的依赖：

sudo apt-get update
sudo apt-get install -y build-essential git libopencv-dev cmake libprotobuf-dev protobuf-compiler

步骤2：克隆Darknet仓库

mkdir ~/src
cd ~/src
git clone https://gitcode.com/gh_mirrors/darkne/darknet.git
cd darknet

步骤3：编译与安装

mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release ..
make -j$(nproc) package

步骤4：安装DEB包

编译完成后，安装生成的DEB包：

sudo dpkg -i darknet-*.deb

步骤5：验证安装

运行以下命令验证安装是否成功：

darknet version

如果看到版本信息输出，恭喜你！Darknet/YOLO环境已成功安装！🎉

🪟 Windows系统安装步骤

Windows用户可以通过两种方式安装Darknet/YOLO：原生Windows安装或使用WSL（推荐）。

方法一：使用WSL（Windows子系统Linux）

这是Windows用户的最佳选择，结合了Windows的易用性和Linux的开发环境：

1. 启用WSL功能：

   wsl --install
   

2. 安装Ubuntu：

   • 从Microsoft Store安装Ubuntu 24.04 LTS
   • 启动Ubuntu并设置用户名密码

3. 在WSL中安装Darknet：

   • 按照上面的Linux安装步骤操作
   • 享受Linux环境的便利性！

方法二：原生Windows安装

如果你需要在Windows上直接运行Darknet，请按以下步骤操作：

步骤1：安装必要软件

打开命令提示符并运行：

winget install Git.Git
winget install Kitware.CMake
winget install nsis.nsis
winget install Microsoft.VisualStudio.2022.Community

步骤2：配置Visual Studio

1. 运行"Visual Studio Installer"
2. 点击"修改"
3. 选择"使用C++的桌面开发"
4. 点击"修改"完成安装

步骤3：安装vcpkg和依赖

打开"Developer Command Prompt for VS 2022"并运行：

cd c:\
mkdir c:\src
cd c:\src
git clone https://github.com/microsoft/vcpkg
cd vcpkg
bootstrap-vcpkg.bat
.\vcpkg.exe integrate install
.\vcpkg.exe install opencv[contrib,dnn,freetype,jpeg,openmp,png,webp,world]:x64-windows protobuf:x64-windows

步骤4：克隆并编译Darknet

cd c:\src
git clone https://gitcode.com/gh_mirrors/darkne/darknet.git
cd darknet
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_TOOLCHAIN_FILE=C:/src/vcpkg/scripts/buildsystems/vcpkg.cmake ..
msbuild.exe /property:Platform=x64;Configuration=Release /target:Build -maxCpuCount -verbosity:normal -detailedSummary darknet.sln
msbuild.exe /property:Platform=x64;Configuration=Release PACKAGE.vcxproj

步骤5：运行安装程序

在build目录中找到并运行darknet-*-win64.exe安装程序，按照向导完成安装。

🔧 GPU支持配置

如果你有NVIDIA或AMD GPU，可以启用GPU加速：

NVIDIA GPU（CUDA）

1. 安装NVIDIA驱动和CUDA工具包
2. 安装cuDNN库
3. 重新编译Darknet并启用CUDA支持：

   cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_CUDA=ON ..
   

AMD GPU（ROCm）

1. 安装ROCm驱动
2. 重新编译Darknet并启用ROCm支持：

   cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_ROCM=ON ..
   

🚀 快速测试你的安装

安装完成后，让我们快速测试Darknet/YOLO是否正常工作：

测试1：查看版本信息

darknet version

测试2：运行示例检测

下载预训练权重并进行测试：

# 下载YOLOv4-tiny权重
wget --no-clobber https://github.com/hank-ai/darknet/releases/download/v2.0/yolov4-tiny.weights

# 使用示例图片进行目标检测
darknet_02_display_annotated_images cfg/coco.names cfg/yolov4-tiny.cfg yolov4-tiny.weights artwork/dog.jpg

测试3：视频处理

# 处理视频文件（如果有的话）
darknet_03_display_videos cfg/coco.names cfg/yolov4-tiny.cfg yolov4-tiny.weights your_video.mp4

📁 项目结构概览

了解Darknet/YOLO项目结构有助于更好地使用它：

• cfg/：配置文件目录，包含各种YOLO模型配置
• src-examples/：示例代码，展示如何使用Darknet API
• artwork/：示例图片和项目图标
• build_ubuntu.sh：Ubuntu一键构建脚本
• build_windows.cmd：Windows构建脚本

🎯 常见问题与解决方案

问题1：CMake版本过低

解决方案：升级CMake到3.12或更高版本

# Ubuntu升级CMake
sudo apt-get purge cmake
sudo snap install cmake --classic

问题2：缺少OpenCV库

解决方案：确保安装了正确的OpenCV开发包

# Ubuntu安装OpenCV
sudo apt-get install libopencv-dev

问题3：编译错误

解决方案：清理build目录并重新编译

rm -rf build
mkdir build
cd build
cmake ..
make -j$(nproc)

问题4：GPU无法识别

解决方案：检查驱动安装并重新编译

# 检查CUDA是否安装
nvcc --version

# 重新编译启用GPU支持
cmake -DENABLE_CUDA=ON ..

💡 高级配置选项

Darknet/YOLO支持多种编译选项，可以根据需求定制：

• CPU优化：启用OpenBLAS提升CPU性能
• GPU加速：启用CUDA或ROCm支持
• 调试版本：编译Debug版本用于调试
• 性能分析：启用Profile-Guided Optimization（PGO）

查看README_PGO.md了解性能优化配置。

📊 性能对比与选择建议

配置类型	训练速度	推理速度	适用场景
CPU-only	慢	慢	学习、测试、轻量级应用
NVIDIA GPU	非常快	极快	专业开发、大规模训练
AMD GPU	快	快	AMD显卡用户
WSL + GPU	快	快	Windows用户的最佳选择

🎉 下一步学习路径

成功安装Darknet/YOLO后，你可以：

1. 学习基础使用：运行示例代码熟悉API
2. 训练自定义模型：使用自己的数据集训练模型
3. 集成到项目中：将Darknet/YOLO集成到你的应用中
4. 性能优化：调整参数获得最佳性能

查看src-examples/目录中的示例代码，了解如何使用Darknet API进行图像和视频处理。

🔍 总结

通过这篇教程，你已经学会了如何在Windows和Linux系统上快速搭建Darknet/YOLO环境。无论选择哪种安装方式，Darknet/YOLO都能为你提供强大的目标检测能力。现在你可以开始探索计算机视觉的世界，利用这个强大的框架开发自己的AI应用！

记住，实践是最好的学习方式。从运行示例开始，逐步深入，你很快就能掌握Darknet/YOLO的强大功能。祝你学习愉快！✨

【免费下载链接】darknet Darknet/YOLO object detection framework 项目地址: https://gitcode.com/gh_mirrors/darkne/darknet