Windows10上Yolov4的部署与测试

其实github上Yolov4的作者已经把部署过程以及怎么测试都详细的写出来了都是英文的，我这里就展示一下我的部署过程，怎么跑起来的，以及遇到的一些小问题，分享一下。

一、准备工作

我写一下作者的要求以及我自己使用的版本号，–后就是我的版本号。
1.CMake >=3.12: --CMake 3.16.6 https://cmake.org/download/
2.CUDA 10.0: --CUDA 10.0 https://developer.nvidia.com/cuda-toolkit-archive
3.OpenCV >= 2.4: --Opencv3.2.0https://sourceforge.net/projects/opencvlibrary/
4.cuDNN >= 7.0 for CUDA 10.0：–CUDNN 7.6 https://developer.nvidia.com/rdp/cudnn-archive
5.GPU 算力>= 3.0 --我的显卡GTX860M,算力是5.0https://en.wikipedia.org/wiki/CUDA#GPUs_supported
6.MSVC (Visual Studio 2.15、2017、2019)–VS2017 https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community
7.今天的主角Yolo v4的源码：https://github.com/AlexeyAB/darknet.git
这个源码下的很慢，因为是国外的服务器，教大家一个小技巧，自己到码云gitee上使用自己的github账号登录，绑定一下github，进入gitee中，点击右上角的“+”号，再点击“从Github/GitLab导入仓库”，把项目网址输进去，导入就好了，然后用GIT克隆到自己的电脑上就行了，克隆的文件一般在C盘的Users的用户名文件夹下，我的是C:\Users\Administrator，有一个darknet文件夹，就是它了。速度嗖嗖的~~
8.yolov4.weight yolov4的权重文件https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

二、安装上面的所有

默认所有的读者有一定的编程基础以及英语阅读能力，安装过程不想讲的太详细，因为按照我的步骤不会出现问题，我遇到的问题会着重讲的。如果按照我的步骤，出现问题（那是不可能的），可以联系我，我尽力帮助大家。还有就是，我不会给我的源码的，地址都给你们了，你们就自己挨个去拿就完事了（懒惰的人不配得到我的帮助），所有需要的都告诉你们了，没有别的包或者文件要下载之类的了。

1.CMake3.16.6：直接安装，一路默认，中间有一个窗口会问你是否需要把CMake添加到你的环境变量中，可选可不选，害怕出错的就选上，反正我没选~

2.CUDA10.0:到官网下载10.0的版本，别看你的显卡版本支持不支持了，我GTX860M笔记本都跑起来了，难道还能比我的显卡还辣鸡的吗？？？GPU算力跟我（5）一样的，直接装10.0，基本都支持的,。
安装过程有精简和自定义两种，懒人就选精简，一路默认；不想多装包的就选自定义，根据自己需求选包，网上教程一堆，我就不详细说了（因为我选的精简）。安装的时候，CUDA会自动把自己配置到环境变量中的，不用手动添加。

3.Opencv 3.2.0：官网下载安装3.X最新的吧，想下载我这个版本的也行，尽量下载比较高一点的版本吧，因为我在编译时有一个opencv的警告，不过不影响我这次的yolov4的测试；不过最好不要下载4.X的Opencv版本太新了，懂的人都懂，不懂的人按我说的做就完事了。安装完成后，手动配置Opencv的环境变量，注意，跟你以前的配置路径可能不一样，是把lib（D:\opencv\build\x64\vc15\lib）文件配置到环境变量中，不是bin文件，跟我们学习Opencv的时候，配置的路径不一样。新建一个系统变量叫做OpenCV_DIR ，把你的路径添加进去。
4.CUDNN 7.6 ：官网下载解压，是一个文件夹，把解压的文件夹中的所有文件夹，复制到CUDA的安装目录下，就是NVIDIA GPU Computing Toolkit的CUDA的v10.0的文件夹下，我的路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 如果安装CUDA没有自定义安装路径的话，跟我的路径是基本一样的。

5.VS2017 ：官网上下载安装，选择包的时候，勾选用于C++的桌面开发那一项，其他的根据自己需求勾选，然后就是漫长等待完成。

三、“食材都准好了，开始炒菜”

1.打开CMake-gui，添加源文件地址和编译文件地址，全部都添加darknet文件夹，就是yolov4的源码文件。我的是C:/Users/Administrator/darknet

2.点击Configure按钮，弹出一个框，第一项选择你下载的VS版本，我的是VS2017；第二项选择X64；第三项跳过，第四项选择Use default native compilers ，默认的编译，其他的特殊编译，交叉编译没试过，有兴趣的同学可以试试。

点击Configure按钮后，出现一片红色的，再点击一下Configure按钮，所有红色消失，并且控制台出现Configure done；（这里我有个小问题就是，编译完成后，编译没有报错，控制台也没有报错，不过有一个好像是警告之类的，大概意思说我的darknet是好的，但是uselib_track不能用；还有就是请从具有CUDA支持的源代码重新生成OpenCV以启用它）；然后点击Generate按钮，出现Generate done后，点击Open Project，CMake会打开VS2017，

3.在VS2017中，选择Release和X64，再点击生成菜单栏的生成，点击生成解决方案，然后默默等待控制台不要报错，完成后，跟我所有的版本一样的同学，会有5个完成和一个跳过没有报错，如果出现6个完成，没有报错，没有跳过的同学（我就很羡慕）。我觉得应该和我编译时的那个警告有关系，不过不影响我们测试好吧，最后是能玩转起来的。

四、摆好餐具，准备吃饭

1.进入到darknet文件夹下，有一个Release文件夹，打开，把里面的darknet.exe复制出来，复制到darknet文件夹下build的darknet的x64文件夹下（我的是C:\Users\Administrator\darknet\build\darknet\x64），然后把权重文件也复制到这里，也就是我们的yolov4.weight文件
2.Win+R 打开终端，cd到这个文件夹下C:\Users\Administrator\darknet\build\darknet\x64 ，或者直接在这个文件夹下按住Shift+右键，选择“在此文件夹打开Powershell窗口” ，准备我们的测试。这个是图片的检测，先输入命令

darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25

然后会让你输入图片的地址，在x64文件夹下有几张图片，我们输入dog.jpg 后，就会出现结果，这样就出现了我们可爱的框框了~~~

3.如果想要检测视频的话，把视频复制到x64文件夹下，在打开终端，cd到C:\Users\Administrator\darknet\build\darknet\x64文件夹下，输入以下代码就可以检测视频了，注意把test.mp4修改为自己的视频名字，或者把你的视频名字改为test，就此就大功告成了。

darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4

五、小小的总结一下

yolov4的准确率确实要比yolov3的要高，因为我们用过yolov3的都知道，用这张图片检测的话，只有三个框，不会检测出右上角的垃圾桶，这次yolov4检测出4个框，说明召回率又提高了；至于速度，暂时不提（本人笔记本跑yolov3检测视频，FPS平均是8.1，跑yolov4检测视频,FPS平均是4.9），都与作者的30,40,50,60，相差甚远好吧。好了，这次就分享到这，以后会继续更新，如何制作样本，以及训练我们的数据的。感谢各位的阅读，觉得有用的就关注加收藏哦~~