:kr: 다크넷(darknet): C로 작성한 신경망 공개소스 

출처: https://pjreddie.com/darknet

| 다크넷 | 설치 | 욜로 | 이미지넷분류 | 악몽 | 재사용신경망 | 다크고 | 꼬맹이망 | 분류기벼림 | 사용방법 |
| — | — | — | — | — | — | — | — | — | — |

1. 다크넷 설치

다크넷은 선택적인 의존성이 2개뿐 이므로 설치가 쉽다:

• OpenCV: 지원하는 이미지 유형이 다양하게 넓은것을 원한다면
• CUDA: GPU 계산을 원한다면
  둘 다 선택사항이다 그러므로 기본시스템만 설치하고 그냥 시작하자. 나는 리눅스와 맥컴퓨터 에서만 이것을 평가했다. 이것이 작동하지 않으면, 나 또는 누구에게든 전자우편을 보내라?

1) 기본시스템 설치(Installing The Base System)

먼저 여기에 있는 다크넷 깃 저장소를 복제하라. 이것은 다음고 같이 해낼 수 있다:

git clone https://github.com/pjreddie/darknet.git
cd darknet
Make

이 작업을 하면 반드시 컴파일 정보의 완전한 전체뭉치를 봐야한다 흐름에 따른:

mkdir -p obj
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast....
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast....
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast....
.....
gcc -I/usr/local/cuda/include/  -Wall -Wfatal-errors  -Ofast -lm....

어떤 오류가 있다면, 그것들을 수정하라? 모든것이 올바르게 컴파일 된 것처럼 보인다면, 실행하라!

./darknet

반드시 출력 결과를 얻어야 한다:

용법: ./darknet <기능>

훌륭하다! 이제 멋진 것들을 확인해 보라 여기에 있는 다크넷으로 할 수 있다.

2) 쿠다로 컴파일(Compiling With CUDA)

다크넷은 CPU에서 빠르다 하지만 GPU에서는 500배 더 빠르다! 엔비디아(Nvidia) GPU 가 있어야 한다 그리고 쿠다(CUDA) 를 설치해야 한다. 나는 자세하게 쿠다 설치를 다루지 않겠다 왜냐하면 이것은 끔찍한 것이다.

일단 쿠다를 설치했다면, 기본 디렉토리로에서 만들기파일(Makefile) 의 첫행을 다음과 같이 변경하라 읽기위하여:

GPU=1  

이제 과제를 만들 수 있다 그리고 쿠다는 활성화 된다. 기본적으로 시스템에서 0번째 그래픽카드로 망이 실행한다(쿠다를 올바르게 설치했다면 nvidia-smi(Nvidia-System Management Interface) 를 사용하여 그래픽카드를 나열할 수 있다). 다크넷이 사용하는 카드를 바꾸고 싶다면 선택적 명령줄에 **-i <고유번호>** 표시정보를 줄 수 있다, 다음처럼:

./darknet -i 1 imagenet test cfg/alexnet.cfg alexnet.weights  

만약 쿠다를 사용하여 컴파일 했다 하지만 어떠한 이유로 든 CPU 계산을 원한다면 대신에 CPU를 사용하기 위하여 -nogpu 를 사용할 수 있다:

./darknet -nogpu imagenet test cfg/alexnet.cfg alexnet.weights  

새로운, 초고속 신경망을 즐겨라!

3) OpenCV로 컴파일(Compiling With OpenCV)

기본적으로, 다크넷은 이미지 탑재를위하여 stb_image.h 를 사용한다. 색다른 양식을 위하여 더 많은 지원을 원한다면(CMYK jpeg 처럼) 대신에 OpenCV 를 사용할 수 있다! OpenCV는 또한 디스크에 저장하지 않고 이미지를 보고 검출할 수 있다.

먼저 OpenCV를 설치하라. 원본으로 이것을 한다면 길고 복잡할 것이다 그러므로 너를 위하여 패키지 관리자를 얻기 위하여 노력하라.

그런다음, 만들기파일(Makefile) 의 두번째행을 다음과 같이 변경하라 읽기위하여:

OPENCV=1  

끝났다! 시도해 보기 위한, 먼저 과제를 다시 만든다. 그 다음에 평가를위한 imtest 순서를 사용하여 이미지를 탑재하고 표시한다:

./darknet imtest data/eagle.jpg  

If you get a bunch of windows with eagles in them you’ve succeeded! They may look like: 독수리가 있는 창 뭉치를 가지고 있다면 성공한 것이다! 그것은 다음처럼 보일 것이다:

---