QT下的darknet-GPU项目属性

摘要:
#-------------------------------------------------##由QtCreator创建的项目2018-08-04T19:39:17##---------------------------------------------QT+=核心大于(QT_MAJOR_VERSION,4):QT+=小部件
#-------------------------------------------------
#
# Project created by QtCreator 2018-08-04T19:39:17
#
#-------------------------------------------------

QT       += core gui

greaterThan(QT_MAJOR_VERSION, 4): QT += widgets

TARGET = ShipDetectionSystem
TEMPLATE = app


SOURCES += main.cpp
        mainwindow.cpp

HEADERS  += mainwindow.h

FORMS    += mainwindow.ui


#CUDA
DEFINES += GPU CUDNN
LIBS += 
    -L"/usr/local/lib" 
    -L"/usr/local/cuda/lib64" 
    -lcudart -lcufft
DEPENDPATH += .
INCLUDEPATH += /usr/local/cuda/include
QMAKE_LIBDIR += /usr/local/cuda/lib64
CUDA_SOURCES += 
    ./src/activation_kernels.cu 
    ./src/avgpool_layer_kernels.cu 
    ./src/blas_kernels.cu 
    ./src/col2im_kernels.cu 
    ./src/convolutional_kernels.cu 
    ./src/crop_layer_kernels.cu 
    ./src/deconvolutional_kernels.cu 
    ./src/dropout_layer_kernels.cu 
    ./src/im2col_kernels.cu 
    ./src/maxpool_layer_kernels.cu 
    ./src/network_kernels.cu

CUDA_DIR = /usr/local/cuda
CUDA_SDK = /usr/local/cuda
SYSTEM_NAME = linux
SYSTEM_TYPE = 64
CUDA_ARCH = compute_50
CUDA_CODE = [sm_50,compute_50]

CUDA_OBJECTS_DIR = ./Release/obj
CUDA_LIBS = cudart cufft
CUDA_INC = $$join(INCLUDEPATH,'" -I"','-I"','"')

NVCC_OPTIONS = --use_fast_math
NVCC_LIBS = $$join(CUDA_LIBS,' -l','-l','')

CONFIG(Release){
    cuda.input = CUDA_SOURCES
    cuda.output = $$CUDA_OBJECTS_DIR/${QMAKE_FILE_BASE}_cuda.o
    cuda.commands = $$CUDA_DIR/bin/nvcc $$NVCC_OPTIONS $$CUDA_INC $$NVCC_LIBS --machine $$SYSTEM_TYPE -arch=$$CUDA_ARCH -O3 -c -o ${QMAKE_FILE_OUT} ${QMAKE_FILE_NAME}
    cuda.dependency_type = TYPE_C
    QMAKE_EXTRA_COMPILERS += cuda
}

#AlexeyAB
SOURCES += 
    ./src/activation_layer.c 
    ./src/activations.c 
    ./src/avgpool_layer.c 
    ./src/batchnorm_layer.c 
    ./src/blas.c 
    ./src/box.c 
    ./src/col2im.c 
    ./src/connected_layer.c 
    ./src/convolutional_layer.c 
    ./src/cost_layer.c 
    ./src/cpu_gemm.c 
    ./src/crnn_layer.c 
    ./src/crop_layer.c 
    ./src/cuda.c 
    ./src/data.c 
    ./src/deconvolutional_layer.c 
    ./src/detection_layer.c 
    ./src/detector.c 
    ./src/dropout_layer.c 
    ./src/gemm.c 
    ./src/getopt.c 
    ./src/gru_layer.c 
    ./src/im2col.c 
    ./src/image.c 
    ./src/layer.c 
    ./src/list.c 
    ./src/local_layer.c 
    ./src/matrix.c 
    ./src/maxpool_layer.c 
    ./src/network.c 
    ./src/normalization_layer.c 
    ./src/option_list.c 
    ./src/parser.c 
    ./src/region_layer.c 
    ./src/reorg_layer.c 
    ./src/reorg_old_layer.c 
    ./src/rnn_layer.c 
    ./src/route_layer.c 
    ./src/shortcut_layer.c 
    ./src/softmax_layer.c 
    ./src/tree.c 
    ./src/upsample_layer.c 
    ./src/utils.c 
    ./src/voxel.c 
    ./src/writing.c 
    ./src/yolo_layer.c 
    ./src/yolt2.c

HEADERS += 
    ./src/activation_layer.h 
    ./src/activations.h 
    ./src/avgpool_layer.h 
    ./src/batchnorm_layer.h 
    ./src/blas.h 
    ./src/box.h 
    ./src/col2im.h 
    ./src/connected_layer.h 
    ./src/convolutional_layer.h 
    ./src/cost_layer.h 
    ./src/crnn_layer.h 
    ./src/crop_layer.h 
    ./src/cuda.h 
    ./src/data.h 
    ./src/deconvolutional_layer.h 
    ./src/detection_layer.h 
    ./src/dropout_layer.h 
    ./src/gemm.h 
    ./src/getopt.h 
    ./src/gru_layer.h 
    ./src/http_stream.h 
    ./src/im2col.h 
    ./src/image.h 
    ./src/layer.h 
    ./src/list.h 
    ./src/local_layer.h 
    ./src/matrix.h 
    ./src/maxpool_layer.h 
    ./src/network.h 
    ./src/normalization_layer.h 
    ./src/option_list.h 
    ./src/parser.h 
    ./src/region_layer.h 
    ./src/reorg_layer.h 
    ./src/reorg_old_layer.h 
    ./src/rnn_layer.h 
    ./src/route_layer.h 
    ./src/shortcut_layer.h 
    ./src/softmax_layer.h 
    ./src/stb_image.h 
    ./src/stb_image_write.h 
    ./src/tree.h 
    ./src/unistd.h 
    ./src/upsample_layer.h 
    ./src/utils.h 
    ./src/yolo_layer.h

OTHER_FILES += $$CUDA_SOURCES

  

免责声明:文章转载自《QT下的darknet-GPU项目属性》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇IOS CoreData 多表查询(下)tomcat 发布本地文件下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

ubuntu18.04 当你的安装了cuda,程序跑着跑着,却崩溃了怎么办?(提示cuda没了)

前情提要:最近跑程序,突然有天提示cuda没了,具体大意是cuda没安装,但其实我已经安装好久了,而且程序也跑了很多次了,后来查明白,其原因有二: (1)linxu系统的不稳定性,经常会导致这样那样的问题。这样的时候一般是要重装了,缺啥装啥。 (2)Ubuntu18.04内核更新导致的。重新更换成旧内核就行。  网上搜索的教程连接如下:https://bl...

cuda GPU 编程之共享内存的使用

  原理上来说,共享内存是GPU上可受用户控制的一级缓存。在一个SM中,存在着若干cuda core + DP(双精度计算单元) + SFU(特殊函数计算单元)+共享内存+常量内存+纹理内存。相对于全局内存,共享内存的方寸延迟较低,可以达到惊人的1.5TB/s。而全局内存大约只有150GB/s。(最新的NVLINK技术没有考虑在内)。因而共享内存的使用时性...

Anaconda CUDA9.1.83对应的pytorch安装,不同版本的pytorch下载

CUDA版本是 9.1.83,python版本3.6.5 win10 使用如下语句可以安装cu91版本的pytorchpip3 install http://download.pytorch.org/whl/cu91/torch-0.4.0-cp36-cp36m-win_amd64.whl 然而下载torchvision会使用之前缓存中的torchvi...

ubuntu16.04上安装深度学习环境

深度学习服务器装机指南(TITAN  V显卡) 基本配置: 系统:ubuntu 16.04 显卡:TITAN V 1、安装xfce图形界面替换ubuntu自带界面 1.1离线安装 (1)通过apt-get下载所需软件包; apt-cache  search  XXX  (查找XXX有哪些软件包),找到XXX 软件,然后执行apt-get -d insta...

关于通用计算

这个文章的开篇来自于Nvidia的CUDA。类似的GPU加速技术已经发展了很多年,并且日趋成熟。从最初仅仅只能用来硬解高清的视频,到现在发发展到视频编码/物理加速/并行计算等多种功能为一体,这样日新月异的变化的确令人感到惊叹。但是我们真的需要这样的通用计算吗? 什么是CUDA?引用来自维基百科的解释—— CUDA(Compute Unified Devi...

ubuntu18.04+GTX2080 部署cuda10.2

  (1) sudo apt-get update (2) https://blog.csdn.net/wf19930209/article/details/95237824 更新PCI ID 由于目前ubuntu 18.04使用的内核版本是4.15.0,比较新的显卡还没有同步更新到位,所以我们需要手动更新一下支持的PCI ID。 1打开终端输入: su...