轉載自：http://blog.csdn.net/samylee/article/details/51684856
繼caffe-faster rcnn後，又一個yolo-darknet的配置教程，希望可以幫助大家。若不能配置成功，請與我聯繫，郵箱：[email protected]
注意：1、請嚴格按照我提供的安裝順序安裝，即ubuntu-opencv2.4.10-darknet-cuda7.5-darknet-test
2、有些您複製的終端命令如果不能在終端運行，請注意英文全角半角問題，您可以將命令輸入終端，無須複製粘貼命令
第一部分：Ubuntu14.04桌面版下載及安裝
Ubuntu14.04桌面版下載地址：(鏈接：http://pan.baidu.com/s/1bnHkmy 密碼：3o4m)
安裝步驟：
1、製作u盤啓動盤，工具UltraISO（下載地址：http://rj.baidu.com/soft/detail/11522.html?ald）、安裝成功後運行，點擊軟件上的“繼續試用”（適用可以滿足要求）、按網上步驟製作（教程地址：http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html）。
2、u盤啓動盤插入電腦usb1孔，運用電腦啓動ctrl+F12裏的bios設置爲u盤啓動。
3、進入安裝界面，左邊選擇中文，右邊點擊安裝（不是試裝），聯網時選擇添加“安裝這個第三方軟件”（不良網就不用添加），點擊繼續，安裝ubuntu點擊現在安裝，城市默認，鍵盤佈局默認，輸入名字和密碼，點擊繼續，顯示安裝，安裝後點擊重啓。
4、重啓時等顯示器黑屏u盤拔出（一定要拔出，不然會再次進入ubuntu安裝界面），等待輸入密碼界面，最後輸入密碼，登錄成功，出現界面。
第二部分：安裝opencv2.4.10 （需要聯網）
下載地址：http://download.csdn.NET/detail/samylee/9467058
進入Ubuntu/2.4 目錄, 給所有shell腳本加上可執行權限，即在終端輸入命令：
chmod a+x *.sh
進入2.4目錄，在終端輸入：
sudo ./opencv2_4_10.sh
至此係統會編譯並安裝OpenCV2.4.10，整個過程大概半小時左右，請耐心等待。
第三部分：安裝darknet
1、安裝Git
終端輸入：sudo apt-get install Git
2、安裝darknet
在主文件下終端輸入（即/home/***（您的服務器名字）這個目錄）：
git clone http://github.com/pjreddie/darknet.git
cd darknet
修改makefile文件：
開頭部分令OpenCV=1，同時令NVCC = /usr/local/cuda-7.5/bin/nvcc後保存退出
終端輸入：make -j16
第四部分：安裝cuda7.5
cuda7.5下載地址：https://developer.nvidia.com/cuda-downloads(下載順序 Linux-*84_64-Ubuntu-14.04-deb(local)-Download(1.9GB))
安裝步驟（過程需要聯網）：
下載好後拷貝到“主文件夾”下，即/home/***（您的服務器名字）這個目錄，並用終端在此目錄輸入代碼：
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb 等待完成；
sudo apt-get update 等待完成；
sudo apt-get install cuda等待完成。
第五部分：再次修改darknet
進入darknet文件夾修改makefile文件夾：
令開頭cpu=1，保存退出
終端輸入：
cd darknet
make -j16
至此darknet配置完成
第六部分：下載模型
下載yolo-tiny.weight模型，地址：http://pjreddie.com/darknet/yolo/，打開網頁在A Tiny Model下點擊here（172MB），即可下載
下載yolo-samaller.weight和yolo.weight模型類似
下載完成後均放在darknet目錄下
第七部分：測試yolo-darknet
測試tiny模型，將/darknet/data/文件夾下的dog.jpg圖片複製於darknet文件夾下
終端輸入：
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny.weight
如果終端顯示NO such file or directory
則在darknet目錄的終端下輸入:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
再在此目錄下輸入：
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny.weight
終端會出現Enter Image Path一行，在後面輸入dog.jpg即可
顯示結果爲屏幕顯示兩張測試圖片，一張爲resized，一張爲prediction，如後續圖所示
至此測試部分結束，測試yolo-samaller.weight和yolo.weight模型類似操作，在此不做展示
resize圖如下：
prediction圖如下：
