yolov4在windows下的环境配置并且使用作者的python接口

最开始，我是直接看作者的文档的，作者的文档的说明如下：
最开始按照cmake，不行，后面才知道我是漏掉了很多步骤，然后按照vcpkg，想了想，算了，还要另外下载东西，然后就直接按照第三种方法用vs进行编译了，但是，当我按照说明打开darknet.sln项目时候，开始报错了，报错如下：

遇到这种问题，免不了百度了，然而，百度上搜到的答案，不能解决这个问题，这里就又浪费了个把小时（后面我才知道，是我在安装cuda的时候，我选的自定义安装，然后就没有安装一些东西，这就导致了vs没有配置上cuda组件，我后面重新安装cuda，将所有东西都安装上后，cuda组件就存在vs当中了，然后上面的问题就不存在了，我这里为你们踩坑了，你们编译的时候要注意。还有就是，作者文档里面说了，vs最低版本要2017版本的，所以你如果还在使用vs2015，记得更新），没办法，百度网友的教程吧，我这还是给两篇文章，我也是综合这两篇文章最后才搞定的：
编译A篇
编译B篇
大家主要看A篇吧，这两篇编译cmake过程中主要区别就是一个是将cuda的路径放到系统环境中，一个是在cmake的过程中指定cuda这些的路径。

注意了，作者编译的时候cuda是10.0,如果你不是10.0，比如我是10.1,那么我要打开darknet.vcxproj文件，然后搜索你们的cuda 10.0,然后将cuda10.0改为cuda 10.1,会改两处。改完之后再按照上面给的操作说明去操作就行，但是，我在操作的过程中遇到了一个问题，我最初使用的opencv3.4版本，在cmake的过程中提示我找不到opencv下面的某个文件，如果忽略这个报错，那么最后配置下来的darknet,exe是不能使用opencv的，这里也让我纠结了很久，因为我去我的opencv3.4路径下面查找报错的找不到的文件，但是我的文件就在里面，后面实在没招了，只能试一试我另外安装的opencv4.2版本的文件夹路径，很奇怪，居然解决了这个问题。不知道是不是由于版本的原因才会造成这个结果。希望你们不会遇见这个问题，能够很顺利的编译结束。

ok,总算编译成功了，生成了darknet.exe文件，然后试了一下测试的语句，没问题，然后就很期待的去执行目录下面的darknet_video.py这个文件了，但是，很可惜，直接报错，去看源代码找到问题所在，我没有yolo_cpp_dll.dll这个文件，百度了一下，这玩意需要我们用vs去编译生成。首先我打开的我的某个文件，路径为 F:\code\yolov4\darknet-master\build\darknet\yolo_cpp_dll.vcxproj，搜索cuda 10.0,将其改为cuda 10.1,你如果cuda不是10.0版本也需要这个操作，然后我根据路径F:\code\yolov4\darknet-master\build\darknet\yolo_cpp_dll.sln找到文件,我们对这个sln文件用vs打开然后右击yolo_cpp_dll生成，生成之后再把yolo_cpp_dll.dll放到darknet_video.py的同级目录下，然后运行这个darknet_video.py文件，又报错了，看了看源代码，是因为测试的视频文件缺乏，所以又随便找了个视频放到这个.py文件的目录下并且改名为test.mp4，然后再运行，完美。
这里效果有一些区别的就是，我如果使用yolov3.cfg和yolov3.weight，那么帧数会在47左右，如果我使用yolov4.cfg和yolov4.weight，那么帧数会在25帧左右，我的显卡的rtx2060，至于原因，无疑就是yolob4的网络深度要比yolov3深，而且yolov4输入的预处理后的图片尺寸也比yolov3大，正是由于这个原因，yolov4的识别率比yolov3高。

---

ps

刚刚用这个编译好的yolov4去跑模型，然后意外的发现，我这个依旧是在用cpu跑，然后发现，我在cmake的时候没有选择cuda这些选项，但是，当我将cuda这些选项选择好后重新编译，依旧还是cpu跑，后面想了想，反正我这vs2017在cuda重装后再打开yolov4的工程已经不会报错了，那么就直接根据作者的说明文档去操作吧，我这总结一下：
1：先打开darknet.vcxproj文件，然后搜索你们的cuda 10.0,然后将cuda10.0改为cuda 10.1（根据你的cuda版本去选择更改）,会改两处
2：改了之后，根据作者的说明，将几个文件找到并且复制到一个文件夹下，我是复制到 F:\code\yolov4\darknet-master\build\darknet\，至于要复制的文件，如下图所示：

关于opencv的文件名不一定完全相同，你去类似文件夹下就可以找到，如果你是opencv4.2版本，那么就是opencv420.dll，第二个文件夹是在你的cuda安装路径下，你直接在cuda安装路径下搜索就可以搜到，我这里路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin。

将以上两个文件复制过去之后，再去添加一个CUDNN的系统变量，类似下面这种：
好了，准备工作做完了，用vs打开darknet.sln文件然后直接生成吧，这里要注意一个地方，如下：

这里是release 和x64，在生成yolo_cpp_dll.lib的时候，也要注意这里，否则对于最后效果很有影响（我有次是debug x64，测试视频的时候帧数只有7左右，而release x64的情况下帧数有25左右）

好了，折腾来折腾去总算搞好了，以后就可以使用作者给的python文件去使用自己训练好的模型了，只需要更改几个地方就行，还是很方便的。如果大家遇到我上面没有说到的问题，可以去看作者的说明文档，耐心点去看看英文就行。

ps2

之所以yolov4的帧数比yolov3差这么多，是由于yolov4的cfg文件里面默认是将输入的照片尺寸（经过图像预处理后的照片尺寸，用于放到神经网络中）设置为了608，而yolov3的默认输入的照片尺寸是416，如果该一下这个参数，帧数也差不多是39左右了，差距不会太大，但是准map值确实大大提升了。同时，如果你的显存不够，在训练的时候除了该batchsize,还可以改输入的照片尺寸，我是6g显存，用yolov4默认的输入尺寸，是跑不起来的，即使每次输入的图片数量为1也跑不起来，但是更改图片尺寸为416后，能跑起来了。cfg更改图片尺寸位置如下：

2020 5 25