yolov4官方源码在自己的数据集上运行笔记

• 地址：https://github.com/AlexeyAB/darknet
• 源码是c的不是python的，所以配置稍微有点麻烦：
  • 首先要先配好环境，否则编译会出错，就算编译不出错，运行也会出错，环境要求看官方文档（也就是上面这个网站首页展示的那个超长的md文件）：由于服务器之前装好了cuda10.0和cudnn7.3了，所以我只需要装opencv就行，装opencv可以看这篇blog： https://blog.csdn.net/Wangguang_/article/details/85762705，其中opencv源码包被墙卡了下载很慢，这里给下载好的资源：https://download.csdn.net/download/weixin_44326452/12414819
  • 
  • 然后把整个repos下载下来，如果要在服务器运行就放到服务器上去，这里建议可以先fork，然后用G码云导入到G码云账号，再用G码云下载，不会被墙卡，比较快
  • 接着要编译产生一个darknet的可执行文件，linux是darknet，windows是darknet.exe，我是在linux服务器上运行的，所以是darknet。我是用make，因为服务器的cmake是3.10的，要求cmake高于3.12，所以用make，也不麻烦，make之前按官方文档说明和自己的需求修改一些变量即可：
  • 我由于是服务器，所以也没有摄像头什么的，我是这样的：

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=0
AVX=0
OPENMP=1
LIBSO=1
ZED_CAMERA=0 # ZED SDK 3.0 and above
ZED_CAMERA_v2_8=0 # ZED SDK 2.X

• 然后开始编译，cd到这个repos的目录下，make 即可；注意，需要root权限，看不同服务器的用法，有的需要有root权限的账号，可以先su root然后输入root密码，也有的直接sudo make。如果make过程出错可能是环境配置出了问题，比如找不到nvcc，如果你在自己的账号下是有nvcc的只是在root账号下编译时找不到nvcc，可以先在自己账号下where nvcc，然后复制这个地址，再进入root账号，修改makefile的这一行：NVCC=nvcc，改为NVCC=xxx，xxx是你刚刚where nvcc返回的地址，我的是这样的NVCC=/app/common/cuda/10.0/bin/nvcc
• 注意如果make失败或者出问题，解决完环境问题重新make前要先make clean
• make成功会多出来一个darknet的可执行文件，把这个文件放到build/darknet/x64路径下，这样准备工作就完成了，接下来就可以为所欲为了
• 比如我想跑yolov4在自己的数据集上，就按官方指引这样：https://github.com/lovedoubledan/darknet#how-to-train-to-detect-your-custom-objects
• 注意，训练的时候要在build/darknet/x64路径下运行，这点官方没说，有点坑，就是，你把编译生成的darknet文件放到这个路径下，然后在这个路径下运行这个文件，就可以训练了；还有就是，自己写的cfg文件也没说放哪里，其实放哪里都可以，只是你运行./darknet detector train data/obj.data yolo-obj.cfg yolov4.conv.137的时候，yolo-obj要加上相对路径，如果直接放在x64路径下就不需要改，如果放在x64/cfg/路径下就需要改为./darknet detector train data/obj.data cfg/yolo-obj.cfg yolov4.conv.137