YOLOv3模型命令行检测正常但Python脚本无结果且OpenCV未用GPU

一、Python脚本（darknet_images.py/darknet_video.py）无检测结果的排查与修复 #

• 核对配置文件路径：确保脚本中cfg_path、data_path、weights_path与命令行使用的完全一致，重点确认训练生成的权重文件（如yolov3_last.weights）、obj.data、obj.names的路径没有相对路径错误，比如命令行用data/obj.data，脚本里不能写成obj.data（若脚本不在主目录）。
• 调整置信度阈值：仓库脚本默认置信度阈值可能高于命令行（命令行默认0.25），导致低置信度检测结果被过滤。找到脚本中darknet.detect_image或检测函数的thresh参数，将其修改为0.25或与命令行一致的值。
• 验证Python绑定编译：确认编译Darknet时开启了BUILD_PYTHON=1选项，且脚本使用的Python版本与编译时一致；检查darknet.py和对应的动态库（Windows下darknet.dll、Linux下libdarknet.so）是否在脚本可访问的路径，避免因绑定加载失败导致模型无法正常推理。

二、OpenCV脚本无法利用GPU的提速方案 #

• 确认OpenCUDA支持：通过print(cv2.cuda.getCudaEnabledDeviceCount())检查，若返回0说明当前OpenCV未编译CUDA支持。需重新编译OpenCV，编译时开启WITH_CUDA、WITH_CUDNN选项，并配置正确的CUDA、cuDNN路径；也可尝试使用预编译的带CUDA加速的OpenCV包（注意匹配系统和CUDA版本）。
• 切换至GPU推理后端：修改加载模型的代码，强制使用CUDA后端：

  net = cv2.dnn.readNetFromDarknet("cfg/yolov3.cfg", "weights/yolov3_last.weights")
  net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
  net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
  

• 匹配版本兼容性：确保CUDA、cuDNN版本与OpenCV、YOLOv3兼容（如CUDA 11.x对应cuDNN 8.x，OpenCV 4.5+支持该组合），避免因版本不匹配导致GPU加速无法启用。

内容的提问来源于stack exchange，提问作者Shantanu Nandan