• Xubuntu 18.04 CUDA 10.0 CUDNN 7.4.1.5 Ne pas utiliser Ubuntu Mate, il y a un conflit de dépendances entre CUDA et Mate Desktop
• Valable aussi pour un Desktop avec une carte graphique Nvidia
• Ubuntu est nécessaire pour avoir le driver Nvidia en permanence

• darknet de AlexeyAB sur GitHub Nous allons suivre à la lettre ce README
• Détection avec YOLO v2 Les explications pour créer les images training et test
• Détection avec YOLO v3
• Détection avec YOLO v2 avec plusieurs objets

• https://towardsdatascience.com/how-to-use-tensorflow-on-the-gpu-of-your-laptop-with-ubuntu-18-04-554e1d5ea189
• https://medium.com/@taylordenouden/installing-tensorflow-gpu-on-ubuntu-18-04-89a142325138
• https://medium.com/@agathver/nvidia-gpu-optimus-prime-and-ubuntu-18-04-woes-f52e7f850f3d
• Setting up a MSI laptop with GPU @ github.com
• https://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10

• https://www.tensorflow.org/install/gpu#ubuntu_1804_cuda_10

Avec le Gestionnaire de pilotes supplémentaires

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu1804_10.0.130-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt install ./nvidia-machine-learning-repo-ubuntu1804_1.0.0-1_amd64.deb
sudo apt-get update
sudo apt-get install --no-install-recommends cuda-10-0
sudo apt-get install --no-install-recommends libcudnn7=7.4.1.5-1+cuda10.0  libcudnn7-dev=7.4.1.5-1+cuda10.0
sudo apt-get install cmake
sudo apt-get install clang

Commencer avec une copie des sources originale de darknet.

GPU=0
CUDNN=0
CUDNN_HALF=0
OPENCV=0
AVX=0
OPENMP=0
LIBSO=0
ZED_CAMERA=0

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
nvcc -V
make

Recommencer avec une copie des sources originale de darknet

GPU=1
CUDNN=1
CUDNN_HALF=0
OPENCV=0
AVX=0
OPENMP=0
LIBSO=0
ZED_CAMERA=0

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
nvcc -V
make -j8

Recommencer avec une copie des sources originale de darknet

sudo apt-get install python3-pip libopencv-dev libopencv-core-dev libopencv-highgui-dev libopencv-flann-dev libopencv-photo-dev libopencv-video-dev libopencv-dev
sudo pip3 install opencv-python==3.4.5.20

GPU=1
CUDNN=1
CUDNN_HALF=0
OPENCV=1
AVX=0
OPENMP=0
LIBSO=0
ZED_CAMERA=0

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}
nvcc -V
make -j8

• Intel® Core™ i7-Intel® Core™ i7-4702MQ CPU @ 2.20GHz × 84702MQ CPU @ 2.20GHz × 8
• Memory Device
  • Total Width: 64 bits
  • Size: 8192 MB
  • Type: DDR3
  • Speed: 1600 MHz
  • Configured Clock Speed: 1600 MHz
• Vitesse maximale du processeur en MHz : 3200,0000
• Vitesse minimale du processeur en MHz : 800,0000
• Ram 7,7 Gio

• NVIDIA Corporation GK106M GeForce GTX 765M Kernel modules: nvidia Un peu mieux qu'une GTX 460, et plus de 10 fois moins qu'une carte “actuelle”
  • Core
    • Architecture: Kepler
    • CUDA Cores 768
    • Clock Freq (MHz) 850 + Boost
  • Memory
    • Memory Clock (MHz) 2000
    • Standard Memory Configuration GDDR5
    • Memory Interface Width 128 bit
  • Memory Bandwidth (GB/sec)64.0
  • Date de présentation: 30.05.2013