YOLOv4环境配置

2020年4月24日，YOLOv4开源了，可谓速度与精度的完美结合（但笔者认为，这也要视具体场景而定），来张AB大神的论文图先：

本文主要介绍YOLOv4的环境配置。
本文的适应环境：
Ubuntu18.04
cuda10.0
cudnn7.5
opencv4.1

1、安装CUDA和CUDNN

这部分网上教程很多，可以参考以下博客：
(1)安装tensorflow GPU版本–tensorflow-gpu版本与CUDA版本对应关系
(2)Ubuntu18.04安装CUDA和CUDNN
(3)Ubuntu安装和卸载CUDA和CUDNN

2、安装opencv

请参考以下博客：
(1)Ubuntu安装opencv4
(2)ubuntu安装opencv 解决ippicv下载问:ippicv_2019_lnx_intel64_general_20180723.tgz

3、下载darknet

github地址：https://github.com/AlexeyAB/darknet

3.1配置makefile

下载完后，进行解压，然后进入darknet目录，找到makefile文件，打开：

sudo vim Makefile

修改以下位置：


NVCC的位置改成你自己的安装位置。
然后保存退出。

3.2 make

在darknet目录下进行make即可。

4、测试使用

参照github地址：https://github.com/AlexeyAB/darknet
输入：

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output data/dog.jpg

使用笔记本摄像头：

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0