darknet版yolov4 训练自己的数据集 完美解决办法

环境 ubuntu16.04 cuda10.0以上 cudnn7.6.5或7.6.6 python3.5-3.7
官网：https://github.com/AlexeyAB/darknet
这里提供一种快速方法：在Gitee(码云)上新建仓库，在弹出的页面最下方输入上述yolov4网址，下载以后，再次复制gitee里的地址，返回ubuntu命令行，git clone+地址，可提高下载速度，很快很快的哦。

进入正题：
1.编译项目
cd darknet
make
2.下载预训练权重文件
yolov4.weights
需要请关注，在下方留言邮箱，第一时间发送哦
3.使用CUDA和opencv编译
OpenCV安装
注意：opencv版本<=4.0（不要用最新版本）
我安装的时opencv3.4.9 。到官网下载在opencv-3.4.9.tar.gz 到github上下载opencv_contrib-3.4.9.zip 解压后放到opencv-3.4.9目录下即可
tar xvf opencv-3.4.9.tar.gz
unzip opencv_contrib-3.4.9.zip
mv opencv_contrib-3.4.9 opencv-3.4.9
到这里，解压和转移文件的工作已完成
下面开始编译：
cd opencv-3.4.9
mkdir build
cd build
进入build文件夹后，执行：
cmake …
这里注意 cmake后有一个空格+两个点 一定不要输入错误，还需要注意的：网上很多博客说在cmake的时候后边要根据自己电脑配置加很多参数，经过很多测试后，我认为什么参数也别加就得了 一样能运行，还不报错，加了各种参数，在不同的电脑上会报各种错误，会搞死你。
然后继续在build文件夹里输入：
make
sudo make install

在sudo make install执行完毕后opencv编译过程就结束了，接下来需要配置一些opencv的编译环境 首先将opencv的库添加到路径，从而可以让系统找到
sudo gedit /etc/ld.so.conf.d/opencv.conf
执行此命令后打开的可能时一个空白的文件，不用管，只需要在文件末尾添加
/usr/local/lib
再执行如下命令使得刚才的配置路径生效
sudo ldconfig
配置bash
sudo gedit /etc/bash.bashrc
在文件末尾添加PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
保存，执行如下命令使路径生效
source /etc/bash.bashrc
更新
sudo updatedb

接下来，修改darknet目录下的Makefile文件：使得训练或者测试的时候可以用到gpu
GPU=1
CUDNN=1
OPENCV=1
保存，然后仍在darknet目录下执行
make clean
make
至此，准备工作结束。

本文主要记录darknet版本的yolov4前期工作，踩坑踩的太多了，顺着这篇文章操作，必能跑出来
接下来怎么训练，怎么测试，github上都有。