需要安装OpenCV2版本，之前装的3.2.0,现在像同时安装两个版本。
make时记得加sudo权限，否则无法使用一些动态链接库。
-
ubuntu14.04+nvidia1070+CUDA8.0+CUDNN5.0+opencv2.4.9安装配置[modules/gpu/CMakeFiles/opencv_gpu.dir/all] Error：出现CUDA编译错误时的解决办法，安装低版本OpenCV时。最后安装
OpenCV-2.4.13解决
最后使用以下选项：
CODE_GENRATION=Kepler
这两天都在折腾OpenCV的安装，先是darknet需要使用OpenCV2，然后是因为无法直接用Python使用YOLOv2模型，然后搜索到有牛人将其移植到了TensorFlow上面，又回到熟悉的python代码里面。可惜又要使用Python3+OpenCV3的组合，之前编译的cv2.so无法直接在Python3中使用，想直接编译Python3版本的cv2.so，有始终无法指定Python路径，使用Conda安装OpenCV，装是能装上，普通的功能也可以，但是VideoCapture.read()无法返回视频帧，导致无法处理图像。真是头疼啊。软件与软件之间的配合，软件与硬件的配合，足足消耗了我两天。看来自己还是太菜了。。还有好长的路要走。。而这条路究竟能不能走通。。。嗯，最后附上解决问题的OpenCV CMake选项吧。
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_NEW_PYTHON_SUPPORT=ON -D BUILD_EXAMPLES=ON -D PYTHON_DEFAULT_EXECUTABLE=$HOME/anaconda2/envs/py35/bin/python3.5 -D PYTHON_INCLUDE_DIRS=$HOME/anaconda2/envs/py35/include/python3.5m ..
darkflow虽然能用Python跑，但是每幅图的处理时间在600ms,将GPU设为0.4时，有所提升，但是也需要100ms，这与darknet的表现相去甚远，还需要进一步的改进。所以还要学习Tensorflow。另外，SSD300算法有对应的Caffe版本，配置相对简单，可以试一试。
实践起来还有好多小问题，而且感觉这些小问题挺浪费时间的。或许这正是社会分工导致的吧，每个人只熟悉自己的那一块，导致整体的事务无法同步更新。虽然没有算法那么纯粹，但是也还是要做啊。并且，在遇到此类问题的时候，一定要静下心来，慢慢地探索。或许需要一种这么保证探索的沙箱，可以一步还原的状况，需要在时间空间上衡量。或许固态硬盘可以做到吧。
网友评论