在TX2第一部分安装OpenCV 3.4.0后，基本软件包已经安装完毕。这部分开始以最快的速度安装运行知名的目标识别分类算法Yolov3。 　　

　　Yolov3 是啥啊 　　

　　YoV3是基于darknet深度学习框架的目标检测开源项目，目前已经发展到第3版，即V3版。darknet短小精悍，虽然功能和复用性不如Tensorflow和Caffe，但其源代码是纯C语言和CUDA底层编写的，所以超快的速度使其在Yov3项目中大放异彩，可以充分发挥多核处理器和GPU的并行计算功能。本质上，Yolov3是一个具有回归功能的深度卷积神经网络。 　　

　　然而，非常遗憾的是，Yolo的父亲redmon前两天在个人推特上宣布停止所有CV研究，因为他自己的开源算法已经被用于军事和隐私问题，这对他的道德造成了巨大的考验。这对Yolo的发展不是好消息，但redmon自己退出学术界是对AI道德问题的一个警醒。这种行为还是值得表扬的！ 　　

　　借用詹姆博主的图来解释一下Yolov3的网络结构。 　　

　　工作环境 　　

　　TX2 ubuntu 18.04CUDA:10.0；cudnn:7.6.3 .安装Yolov3 　　

　　首先从github下载yolov3的源代码： 　　

　　下载$ t克隆https://github.com/pjreddie/darknet yolov 3后，需要修改Makefile以匹配TX2平台。 　　

　　CD yolov 3 vim Makefile//Open Makefile # Modify Makefile。如果GPU，CUDNN，OPENCV设置为1，如果要调试，DEBUG设置为1 GPU=1 cud nn=1 OPENCV=1 OpenNMP=0 DEBUG=1 # Arch。添加了TX2支持。TX2位62arch=-gencodearch=compute _ 53，code=\-gencodearch=compute _ 62，code=/#添加TX2以支持make -j8 //编译yolov 3yolov3运行测试. 　　

　　下载预训练模型，后期可以根据检测目标要求修改和训练自己的模型。 　　

　　CD YOLOV 3w get https://pjreddie.com/media/files/yolov3.weights//WGET下载非常慢，很容易中断。建议迅雷下载导入经典狗识别测试。测试完成后，将生成predictons.jpg，并标记分类。 　　

　　CD yolov3。/darknetectcfg/YOLOV3 . cfgyolov 3 . weights data/dog . jpg//运行yolov 3检测dog.jpg图片。