YOLO---Darknet下的 GPU vs CPU 速度

YOLO---Darknet下的 GPU vs CPU 速度

目录

一、基础环境

二、安装Darknet-yolo v3

三、CPU下测试

四、GPU下测试

五、测试速度对比结论

正文

一、基础环境

当前的运行环境为：

• Ubuntu16.04.5 LTS
• CUDA 10.0
• cuDNN 7.6.1
• NVIDIA GTX 2080 TI 11G
  

1、查看cuda版本

cat /usr/local/cuda/version.txt

2、查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

二、安装Darknet-yolo v3

　　YOLO的安装比较简单，可以参考官网的安装步骤：https://pjreddie.com/darknet/install/

1. 下载
git clone https://github.com/pjreddie/darknet.git

2.编译
cd darknet
make

3.运行测试
./darknet    # 若出现usage: ./darknet ，说明编译成功

三、CPU下测试

　　下载权重文件：yolov3.weights，链接：https://pjreddie.com/media/files/yolov3.weights
　　下载好后，将yolov3.weights复制到darknet/weights目录下。

　　输入命令：

　　./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

四、GPU下测试

　　修改darknet/Makefile文件：

　　再次输入命令：

　　./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

#Makefile

GPU=1
CUDNN=1
OPENCV=1
OPENMP=0
DEBUG=0

ARCH= -gencode arch=compute_30,code=sm_30 

....

CC=gcc
CPP=g++
NVCC=/usr/local/cuda-10.0/bin/nvcc   # 修改为自己的路径

@https://blog.csdn.net/qq_36327203/article/details/84305303 @https://blog.csdn.net/qq_36327203/article/details/84305303

 

五、测试速度对比结论

　　经过一段时间的努力，第一次尝试GPU环境终于搭建起来。终于可以亲自体验一把 GPU vs CPU速度差别。

　　通过第四、五步骤，可以看出，针对同一幅图片 768 x 576  dog.jpg，识别结果一样。细看，CPU耗时17.6391s，GPU耗时0.0351s。

　  结论：同一副图像，GPU耗时 ～ 1/500倍 CPU耗时。