yolov4 darknet编译和训练自己的数据集

hello，大家好！我是coding老马，大海捞针，从未失手！  今天应团长要求，讲解一下yolov4的编译和训练知识。

 

科目：yolov4 darknet知识讲解

内容：yolov4  darknet的编译，完成darknet的编译并进行图片测试

目的：通过本次知识的讲解，使同学们掌握yolov4 darknet的编译，进入yolov4目标检测的大门，为以后的实际应用打下坚实基础

时间：15分钟

地点：csdn  ------>大海捞针的老马  训练场

方法：理论讲解，实际操作，视频讲解学习（博客最下方）

要求：

        1.认真阅读理论讲解

        2.参照讲解步骤，加强实践操作

        3.理论+实践，注意总结分享，让更多的小伙伴掌握此知识

以上要求，希望同学们可以做到！

 

前言：不喜欢文字的小伙伴可以直接看视频，转载B站链接  https://www.bilibili.com/video/BV1HZ4y1s7YF

 

1.模型链接地址  yolov4 darknet 模型下载链接

这里推荐使用 git 下载    （也可直接从Code 处Download Zip 下载），多掌握一门手艺总没错。

先看要求：

这是软件安装要求，一定要按要求来，不然，出了问题，哭都来不及。（第一次未按要求，废了好大劲，最后只能CPU来运行）

博主台式机配置：                                                                                  显卡配置：

          

博主最终软件安装版

Cmake  ---  3.17.2                                                                

opencv  ---  3.4.7                                                            

visual studio  ---  2017    

CUDA  ---  10.0

cudnn  ---  v7.6.4 (10.0)

git  --- 2.26.2

 

2.实战安装       

（1）Cmake     正常安装
（2） vs2017    ( 在 CUDA  ，cudnn  之前安装，因为CUDA安装会搜寻已安装的 vs ,进行部分组件安装。 vs2019尝试，失败 )
（3） opencv  （此处3.4.7版本，因为有其它依赖 3.4.7版本的opencv程序要运行）
          在系统环境变量中添加   OpenCV_DIR 
                   E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build      改成你自己的 build 的路径
          配置 opencv 环境，（属性管理器）
                E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build
                E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv
                E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv2

                E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\x64\vc15\lib

                opencv_world347.lib   （ release 版本）
                opencv_world347d.lib  （debug 版本）
                cudnn.lib             (注意添加，配置cudnn的时候，有讲到配置 vs 这一点)      

不熟悉opencv环境配置的可以上网搜一下，这里暂时不细讲（后期新博客不补上）

    4.  CUDA >=10.0       (nvidia 控制面板 显示10.1，此处安装 10.0版本，默认安装就行)  
            注意添加环境变量         CUDA_PATH                  （应该是自动添加的，注意查看）
                                                  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
    5.  cudnn>=7.0
        解压---->复制其中内容到安装CUDA的指定目录下，主要是下面三个文件

         xxx /... cuda/bin/cudnn.dll         --->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin       文件夹下
         xxx /...  cuda/include/cudnn.h      --->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include    文件夹下
         xxx /...  cuda/lib/x64/cudnn.lib     --->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\ lib\x64    文件夹下

    6.  把   cudnn.lib  加入到 vs2017  中，即第三步的配置 把cudnn.lib  和 opencv_world347.lib 放一块（官网上提到了这一点，可自行尝试）

    7.打开Cmake -gui 进行编译，

第 8 部会打开vs2017，修改成 release  x64 ,点击生成 --->  生成解决方案，等待编译即可，成功之后，

会在该 darknet （称为主darknet目录，bulid目录下还有一个darknet，称为次darknet目录）目录下生成一个Release文件夹，

打开并复制其中的darknet.exe文件到 build /darknet /x64目录下

下载 olov4.weights 和 yolov4.conv.137 到 build /darknet /x64目录下。

可以开始测试了

1.打开 cmd 窗口，输入指令   darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25  回车

2.然后根据提示输入  dog.jpg  回车，即可看到预测结果图      转载B站视频地址链接  https://www.bilibili.com/video/BV1HZ4y1s7YF

至此，编译成功。接下来制作自己的数据集进行训练和测试。