YOLOv3/YOLOv4(GPU)+Win10+VS2019的配置（从０开始）
YOLOv3/YOLOv4+Win10+VS2019+GPU的配置（从０开始 ）
文章目录
- 1. 前言
- 2. 软件/组件的下载及安装
-
- 2.1 CUDA的安装
- 2.2 cuDNN的安装
- 2.3 VS2019的安装
- 2.4 OpenCV
-
- 2.4.1 OpenCV的安装
- 2.4.2 OpenCV环境变量的配置
- 2.5 darknet的下载
- 3. VS2019的配置
- 4. 效果测试
-
- 4.1 下载权重文件yolov3.weights/yolov4.weights
- 4.2 正式测试
- 5. 结尾
1. 前言
本教程主要分为了两个板块：YOLOv3的配置 和 YOLOv3用自己的数据集训练 （Yolov4配置过程是完全相同的，本博客依然适用，只是训练以及识别采用的命令有所不同，Yolov4的作者已经在他的GitHub中详细描述了，本文主要是讲述如何配置Yolo）。
第二篇博客：Win10+Yolov3用yolo_mark标记数据集 训练自己的模型 也已经发布了~~
这几天以来，我也看了很多这方面的博客，依然是踩了很多的坑才过来的。因此我写了这两篇博客，希望能够帮助一些人。
为此我还专门借了一台电脑，没有安装过任何编程相关的软件，以求做到真正的从０开始，且是我亲自配置确定无误的。
btw：文章中涉及到需要下载的东西，都最好先挂，不然下载速度会比较慢。
2. 软件/组件的下载及安装
在配置之前自然要先安装相关的软件或组件（废话）
2.1 CUDA的安装
首先要注意的是，CUDA的安装需要在VS2019的安装之前！如果你已经安装过VS2019，再安装CUDA，可能会导致安装失败。但是也不用担心，也有解决方法。解决方法我等会会给出，这里先按照步骤继续。
先进入CUDA11.0下载地址，依次选择Windows，x86_64,10，最后选择network （选择 local也可以的，只是在线和本地的区别而已，不是重点）
如果你想要选择其他版本的CUDA当然也是可以的。但是需要注意的是，由于最近Yolov4的作者更新了darknet，所以你安装的CUDA版本必须 CUDA >= 10.1，否则会编译失败！
此外似乎CUDA == 11.2的时候会报错，推荐还是使用11.0版本
下载之后安装，安装也十分简单。先选择你习惯的路径，安装选项选择精简即可。
如图所示：
安装结束之后重启计算机就好了 （可以不用现在重启，因为之后安装VS2019之后也需要重启计算机）。
打开cmd后，输入：
nvcc -V
就可以检测是否已经安装成功。如果安装成功，则可以看见
回到最开始所说的，假如已经安装了VS2019，导致安装失败了的解决方案。
安装失败之后，可以看到哪些组件未安装，或者安装失败。安装失败大概率是因为Visual Studio Integration这个组件。所以你在重新安装的时候，不要选择精简，而是选择自定义。在自定义安装的过程中，记得去掉安装Visual Studio Integration这个选项再安装。
如果这样依旧安装失败，那就再把安装失败的组件给记录下来，再次自定义安装的时候，额外去掉刚刚记录下来的安装失败的组件，多次重复直到安装成功。
2.2 cuDNN的安装
cuDNN的下载要相对其他几个稍微麻烦一点，因为还需要注册一个账号。首先进入cuDNN下载的地址。之后点击Join now，进入一个登录界面，选择下面的Create An Acount开始注册账号。
注册之后重新打开最初的页面，需要填一个调查问卷，填好之后就可以开始安装了
注：如果在本教程前已经安装了CUDA且非11.0版本，则选择和自己相对应的cuDNN版本即可。
下载之后得到的是一个zip文件，打开后有一个cuda文件夹。进入这个文件夹，可以看见3个文件夹分别为bin，include，lib\x64，分别与上一步安装的CUDA中的三个文件夹相对应。
需要注意的就是，CUDA的文件目录是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
之后再把cuDNN的3个文件夹中的全部文件分别拷贝到CUDA对应的3个文件夹
2.3 VS2019的安装
VS2019的下载比较简单。点击下载地址即可到官网下载VS2019，选择Community版即可。
安装的时候需要注意勾选以下几个就可以了。注意要选择勾选v140。
我的因为最开始安装的时候是安装了其他东西的，所以看起来会反而卸载一些东西。注意左下方可以更换安装的位置。
2.4 OpenCV
2.4.1 OpenCV的安装
首先依旧是先进入官网下载。
点击此处进入下载地址，需要选择3.4.0版本
根据YOLOv3作者的话，采用更高版本的OpenCV可能存在bug (如3.4.1)。目前在更高版本似乎是被修复了的 (毕竟经过一两年了），但是为了保险起见我还是选择了3.4.0版本。
下载之后运行exe文件开始安装，选择你熟悉的路径。
2.4.2 OpenCV环境变量的配置
修改环境变量的步骤如下（文字教程下面有图片教程）
- 打开资源管理器
- 右键此电脑，点击属性
- 选择左边的高级系统设置
- 选择上方的高级，再点击环境变量
- 在用户变量处点击新建
- 复制 …\opencv\build\include\opencv 和 …\opencv\build\include\opencv2 分别新建两个变量即可。… 为你opencv前面的路径
- 点击最下方的确定保存！
图片教程：
2.5 darknet的下载
首先进入darknet的下载地址下载darknet并解压到自己熟悉的位置。
进入到文件夹的，找到darknet.vcxproj （位置为…\darknet-master\build\darknet\darknet.vcxproj） 选择用记事本打开。
打开之后，ctrl + h打开搜索框。
输入CUDA 10.0开始搜索CUDA的版本 （默认为10.0版本），如图所示。
注意！由于最新一版本的Yolov4的CUDA版本改成了CUDA 11.1，所以这里搜索的时候改成CUDA 11.1 进行搜索。之后可能仍然存在会更新CUDA版本的可能，如果你在搜素CUDA 11.1的时候依然没有找到，则改为直接搜索CUDA，然后修改 CUDA 1X.X版本为你现在安装的CUDA的版本
将所有的CUDA 10.0更改为自己的版本（目前最新版的Yolo为CUDA 11.1），即CUDA 11.0 （如果你的CUDA版本不是11.0则改成你自己的版本）
3. VS2019的配置
- 首先进入到文件夹找到darknet.sln （位置为…\darknet-master\build\darknet\darknet.sln） 用VS2019打开。
btw：我在第一次打开项目的时候莫名失败了，不过关闭vs2019再重新打开又可以打开了
- 之后右键文件，选择最下面的属性。
- 调整一下上面的配置
- 配置属性 --> VC++目录 --> 包含目录 --> 编辑
- 添加包含目录
- 选择你opencv的目录 …\opencv\build\include\opencv
- 之后再添加 …\opencv\build\include\opencv2 和 …\opencv\build\include
- 再在下面的库目录添加 …\opencv\build\x64\lib
- 再在下面的链接器添加 opencv_world340.lib
- 一定要点最后的确定，然后再更改项目
- 将 …\opencv\build\x64\vc14\bin下的opencv_world340.dll 和 …\opencv\build\bin\opencv_ffmpeg340_64.dll
复制到 …\darknet-master\build\darknet\x64 目录下
- 打开vs2019，右键并选择重新生成
- 之后显示如下报错
报错信息
根据错误信息，我们进入到CUDA的的文件夹
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\visual_studio_integration\MSBuildExtensions 以及错误信息中的文件夹 …\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations
我们将CUDA的这四个文件全部拷贝过去。同时也拷贝到 C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\v140\BuildCustomizations中 （因为之后依然会报错显示这个地方缺少文件，为了节省大家时间所以直接让大家把文件也复制到这个地方了）
- 点击上方的项目，选择第一个重定目标解决方案，修改成如图的选项并确定。
重定目标解决方案
- 重新生成之后又报错了…这才想起我有个地方还没有配置
-
依旧是右键darknet项目然后选择属性，之后点击 配置属性 → CUDA C/C++ → Device → Code Generation。
先删去第二行，再修改第一行。
将两个变量修改成与继承的值相同 （即均为52）
- 再次重新生成，就可以看见我们想要的生成成功了!
4. 效果测试
配置完之后当然要先测试一下效果的~~。
4.1 下载权重文件yolov3.weights/yolov4.weights
首先需要下载权重文件yolov3.weights。点击这里直接开始下载。如果需要下载yolov4.weights，点击这里
4.2 正式测试
首先先打开darknet的文件夹，进入x64文件夹，地址为 …\darknet-master\build\darknet\x64。新建一个文件夹weights，并把刚刚下载好的yolov3.weights(或yolov4.weights)权重文件放入到该文件夹中。
最后返回到x64文件夹处，在空白处Shift + 右键，选择在此处打开Powershell窗口 （打开cmd并到该文件夹目录也可，就是稍微麻烦一点点）
输入以下命令并回车运行：
./darknet.exe detect yolov3.cfg weights\yolov3.weights data\dog.jpg
得到检测结果：
成功!
除此之外，data文件夹下还有很多其他的图片，如eagle.jpg，horses.jpg等。可以将dog.jpg切换成其他图片检验学习效果。
除了通过data文件夹下的图片检验以外，还可以通过笔记本电脑自带的相机进行实时检测。
依旧是是x64文件夹下打开powershell，输入以下代码并运行:
./darknet.exe detector demo data\coco.data yolov3.cfg weights\yolov3.weights
如果想要使用yolov4版本的，则把上述的命令中的yolov3改为yolov4即可。
此外，还有相当多的其他命令可以使用，可以实现其他不同的识别功能，如：识别视频文件，打开摄像头实时识别，连续输入图片等，这些都可以在yolov4作者的Github中的README.md中找到。也可以看看我写的这篇博客，翻译其中的一部分内容。当然还是建议可以阅读一下英文原本内容。
5. 结尾
YOLOv3/YOLOv4 + CUDA + cuDNN + VS2019 + Win10从0开始的配置全部结束了~
之后会再写一篇关于如何用自己的数据集训练出自己的模型的博客，也是从0开始的~~ 谢谢观看，觉得不错就点个赞吧！
（更新：第二篇博客Win10+Yolov3用yolo_mark标记数据集 训练自己的模型 也已经写好了~ 可以点进去看看的)