Windows10+YOLOv4+Darknet训练自己的数据（一）_windows使用darknet+yolov4训练自己的数据集

在这篇文章中先讲怎样配置环境，并利用作者训练好的模型进行测试
使用自己的数据集进行训练我放在了下一篇文章中，Windows10+YOLOv4+Darknet训练自己的数据（二）

一、环境和配置

系统：window10
CMake:版本>=3.12
CUDA：版本>=10.0
Cudnn:需要与CUDA版本对应
OpenCV：版本>=2.4
Visual Studio 2015/2017/2019

1.1 YOLOv4源码

直接再GitHub上下载就行，下载地址：作者源码下载

1.2 安装VS

注意：VS一定要在CUDA之前安装！！！！
第一步：下载VS。这里我安装的是VS2017，大家可以直接去官网下载VS2017下载地址，下载后打开是Visual Studio Installer，界面如下：

因为是自用，所以选择社区版安装就行，由于我的已经安装好了，所以打开之后社区版下面显示的是“更新”、“启动”、“更多”，如果还没有安装，其显示会跟下面的企业版和专业版一样，显示的是“安装”和“更多”。
第二步：点击社区版下面的“安装”按钮，会跳出如下界面：

第三步：安装上图指示的步骤：首先勾选“使用C++de桌面开发”，我们这里只需要用到这个。再点击上图的“2”出的“更改”按钮，更换安装路径，选择一个自己的安装路径就行，也可以不改。最后点击右下角的“安装”按钮。这样VS就安装好了！！！

1.3 安装CMake

进入CMake官网（CMake下载地址）直接下载最新版本就行，当然也可以下载其他高于3.12的版本，不过到我发这篇博客的时候，3.18以下的版本已经不能用了，使用的时候会报错提示有更高版本，需要更换到3.18版本以上运行。所以还是建议大家直接下载最新版本。

下载好之后一路默认安装就行，当然，你可以改动安装路径。

1.4 安装CUDA

在安装CUDA之前，需要查看自己电脑的GPU驱动的版本，因为CUDA版本对GPU驱动版本有要求，对应关系如下：

第一步：查看显卡驱动版本。鼠标在桌面空白处点击右键，然后选择“NVIDIA控制面板”，进去之后就能看到自己电脑GPU的版本，如下图：

然后对照上面的表格，看是否满足需要装的CUDA版本对驱动的要求，满足的话就可以直接进行下一步了，不满足也没关系，可以更新一下驱动，更新方式自行百度。
第二步：下载CUDA（CUDA下载地址）。这里我下载的是CUDA10.1，本来源码中说的是使用CUDA10.0，但是我使用CUDA10.0的时候，后面一直编译不成功，总是报错，更换为CUDA10.1就没问题了。
第三步：安装CUDA。首先双击我们下的程序，这其实就是一个解压的过程：

然后选择“同意并继续”

然后选择“自定义”，选择自定义安装是因为可以更改安装路径和选择安装哪些部件，当然如果您选择精简安装也是可以的，然后点击下一步：

然后选择需要的组件，第一个是必选，后面的随意，然后点击“下一步”：

然后根据需要选择安装路径，这三个需要同步，然后选择“下一步”，就开始安装了：

这样CUDA就装好了

第四步：设置环境变量。安装好之后一般情况下环境变量中会自动添加，如果没有的话，你也可以手动添加：
首先在桌面，鼠标放在“此电脑”上，点击右键，打开“属性”

再点击“高级系统设置”

点击“环境变量”

可以看到“系统变量”中有如下两条环境变量，没有的话就自己手动添加。

手动添加方式为：点击下方的“新建”

然后输入变量名和变量值，其中变量值为CUDA的安装路径，重复该操作，将上面的两条环境变量都进行添加。

然后在“系统变量”里面找到“Path”并选中它，然后点击下方的“编辑”：

查看“Path”中是否有如下几条路径（你自己Anaconda的安装路径），若不存在需要将其添加进来。

点击旁边的“新建”，然后将路径输入进去就完成了！

最后是很重要的一步，点击“确定”，一定要一路点击“确定”，不要漏任何一个，不然环境变量设置是不成功的。

第五步：测试CUDA是否装好
打开命令提示符，然后输入：

nvcc --version
1

如果出现如下结果，则说明安装成功了

1.5 安装cudnn

cudnn与CUDA有对应的版本关系，也是直接去官网下载就行cudnn下载地址

找一个适合自己安装的CUDA版本的cudnn，单击它，然后选择“for Windows10”，单击下载就行：

下载下来之后进行解压，然后将解压出来的
（1）\cuda\bin\文件夹下的cudnn64_7.dll复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\文件夹中
（2）\cuda\include\文件夹下的cudnn.h复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include\文件夹中
（3）\cuda\lib\x64\文件夹下的cudnn.lib复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64\文件夹中

1.6 安装OpenCV

直接从官网下载，版本大于2.4就行，我下载的是3.4.12版本。官网下载很慢，还经常下一半就断了，我是从这里下载的！
下载之后直接解压就行！然后在环境变量中添加：

path中添加：

这样OpenCV就算是装好了！

2 VS配置

在进行编译之前，需要先对VS进行配置！

2.1 查看VS中的CUDA环境

打开VS2017，依次点击“文件”–>“新建”–>“项目”

在新建项目的页面中，NVIDIA项目下，就能看到我们装的CUDA版本，说明在VS中能够使用CUDA了。

2.2 在VS中配置OpenCV

第一步：打开VS，新建一个控制台应用，“文件”–>“新建”–>“项目”

“Visual C++”–>“控制台应用”–>修改名称和路径–>“确定”

第二步：页面顶部解决方案配置选择“Release”，解决方案平台选择“x64”

第三步：打开属性管理器，“视图”–>“其他窗口”–>“属性管理器”

打开之后，页面右侧选择“属性管理器”，界面如下：

第四步：配置属性管理器
（1）展开刚刚新建的项目，找到“Debug|x64”，按鼠标右键，然后在新展开的列表中点击“属性”。

（2）在新跳出的页面中选择“VC++目录”，需要在“包含目录”和“库目录”中添加一些路径。

（3）在包含目录中添加路径：点击“包含目录”–>右侧的下三角符号–>“编辑”

在新跳出的页面中按照下图指示方式添加opencv的路径

需要添加的路径为：

（4）在库目录中添加路径，跟包含目录同样的方式打开路径添加页面，在库目录中添加如下路径：

（5）在链接器中添加附加依赖项，按照下图顺序依次点击

在新出现的页面中输入文件名opencv_world3412d.lib，文件名中的数字3412是OpenCV的版本号，我的是版本号是3.4.12，所以文件名是opencv_world3412d.lib，如果版本是3.4.9，对应的文件名就是opencv_world349d.lib，以此类推。

到这里，在“Debug|x64”中的配置就做完了，但是整个配置还没有完成，需要将“Release|x64”中做基本同样的配置，唯一不同的是在在链接器中添加附加依赖项时，输入opencv_world3412.lib，也就是数字3412后面不再带有d了。

第五步：测试OpenCV
在刚刚新建的项目的源文件中输入测试代码：

代码如下：

#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace cv;
int main() {
	Mat img = imread("E:\\pictures\\kite.jpg");
	namedWindow("picture");
	imshow("picture", img);
	waitKey(8000);
	return 0;
}
1
2
3
4
5
6
7
8
9
10
11

直接运行，屏幕上会显示我们要求输出的图片，说明配置成功。

3 CMake编译后生成解决方案

经过上面的测试，我们的程序运行环境就算是配置成功了，现在我们需要对YOLOv4中的源码进行编译然后生成解决方案，这里介绍两种生成解决方案的方法：CMake编译+V是生成、VS直接生成。首先我们来看使用CMake进行编译：

3.1 修改Makefile文件

如果想要使用GPU加速的话，需要对我们解压后的YOLOv4源码中的Makefile文件进行修改，更改GPU=1，CUDNN=1，OPENCV=1。

3.2 使用CMake编译

打开Cmake编译器，选择“Browse Source”为源码所在位置，“Browse Build”为编译后文件存放的位置，可以和位置相同，也可以自己选一个位置，然后点击Configure。

弹出如下界面，选择自己安装的VS版本，操作系统选x64，然后点击“Finish”

然后等待Configure完成，没有弹出错误，就点击“generate”

然后再点击“Open Project”

在使用CMake编译的时候，出现如下提示不用管它，只要Configure的时候没有弹出一个框报错就行了。

3.3 使用VS生成解决方案

将上面CMake生成的项目使用VS打开之后，首先我们需要设置VS的解决方案配置为“Release”，解决方案平台为“x64”

然后，点击“生成”–>“生成解决方案”

运行结果：成功5个，说明生成成功了！

3.4 测试

第一步：将Release文件夹中的darknet.exe文件复制出来，放到darknet-master\build\darknet\x64 文件夹下。

第二步：准备YOLOv4权重文件，百度云自行提取，提取密码：o6hd
在darknet-master\build\darknet\x64文件夹下，新建一个文件夹weights，将下载下来的权重文件放在里面
第三步：图片测试
打开“命令提示符”，进入darknet.exe所在文件夹，输入下面的命令：

darknet.exe detector test cfg/coco.data cfg/yolov4.cfg weights/yolov4.weights data/dog.jpg
1

得到测试结果如下：

第四步：视频测试
还是在上面的命令行模式下，输入以下命令：

darknet.exe detector demo data\coco.data cfg\yolov4.cfg weights\yolov4.weights data\road.mp4 -thresh 0.25 -out_filename data\results\road.mp4
1

运行结束之后，在data/results文件夹里面将有一个检测结果的视频。

4 使用VS直接生成解决方案

4.1 修改darknet.vcxproj文件

在作者给的源码中，有编译好的darknet.sln文件，我们可以直接使用VS对其进行编译。将下载下载的源码进行解压之后，有一个build文件夹，进入这个文件夹，再进入darknet文件夹，会看到有一些编译好的文件，我们主要用到的是darknet.sln和darknet.vcxproj。


打开darknet.vcxproj文件，修改CUDA的版本为自己安装的版本，我这里改成了CUDA 10.1

4.2 复制两个OpenCV文件

将opencv3.4.12中的两个dll文件：opencv_ffmpeg3412_64.dll和opencv_world3412.dll复制到在x64文件夹下，不然后面运行会报错找不到dll。

这两个文件是在opencv的安装路径–>build–>x64–>vc15–>bin路径中，自己去找找。

选择以上两个就行（顺便说一下，3412后面带有小d的貌似是debug版本；不带d的是release版本）。因为最后需要release版本的所以就只用选上面红框的复制到darknet–>×64文件夹下就行。

4.3 VS生成解决方案

第一步：找到build/darknet/文件夹下的darknet.sln文件，点击右键选择打开方式为“Microsoft Visual Studio 2017”，在VS中打开darknet.sln文件。

第二步：设置VS的解决方案配置为“Release”，解决方案平台为“x64”

第三步：点击“生成”–>“生成解决方案”

运行结果为：成功1个，失败0个。表示生成解决方案成功了。这里的结果图就不贴出来了。
这时候x64文件夹下会生成一个darknet.exe

4.4 测试

跟3.4节中完全相同的操作，只是免去了第一步的将darknet.exe放到x64文件夹下，因为我们这里生成的darknet.exe文件本来就在改文件夹里面了。测试的过程就不再重复的写了。

5 生成解决方案的时候可能遇到的问题

1、在使用CMake编译的时候，提示找不到CUDA，可能原因是环境变量没设置好，或者CUDA版本低了。还有一种可能，就是我们装VS和CUDA的顺序搞反了，我当时就遇到了这样的问题，后来重新再装了一次，就可以了。一定要先装VS再装CUDA！！！
2、使用VS生成解决方案总是失败，错误编号为MSB3721，这个网上有很多说是如果不是用的CUDA10.0，就需要将darknet.vcxproj中compute_75,sm_75删掉，或者改成自己电脑GPU的计算力，比如我的电脑GPU是1080Ti，就改成compute_61,sm_61

但是，我遇到这个问题的时候，我用的CUDA版本确实也是10.0，按照网上说的几种方法删过、改过。还是一直报MSB3721的错误。最后解决方法是“将CUDA10.1换成CUDA10.1”其他什么都没改，生成成功了。