简介：

• darknet是用C语言写的一个开源的深度学习框架，支持CPU、GPU。它不像tensorflow那么庞大，对于使用C/C++开发的工程也很容易嵌入进去。
• 本篇文章配置的环境是win10，vs2017，cuda10.1，opencv3.4.1，其中vs其他版本vs2015、vs2019的配置也是一样的，opencv只要高于2.4就可以，cuda其他版本的话本文中的2.5条那里的compute_75,sm_75需要改一下，现在我不知道cuda版本和它的对应关系,原项目是cuda11.1的,对应compute_86,sm_86.（如果有人知道了还请赐教）
• 用darknet yolov4训练自己的数据集的参考链接
  github：Yolo v4, v3 and v2 for Windows and Linux

1. 下载

image.png

用git下载或者手动下载都一样，下载下来是这样

image.png

2.配置

• 打开build，用vs2017（或者其他版本的vs,原来的项目是用vs2015的）打开darknet.sln

  
  image.png

2.1修改windowsSDk和平台工具集

• 原设置

  
  常规.png

• 修改后

  
  常规2.png

2.2配置opencv和cuda附加包含目录

• 原属性页的C/C++ 附加包含目录

  
  附加包含目录.png

• 修改后

  
  附加包含目录2.png

2.3修改cuda版本

注：在属性页上面没有看到cuda的配置选项，则需要手动添加：属性--生成依赖项--生成自定义。修改后可以与2.4中的“cuda-common.png“图上的属性页对比，可以看到属性页上多了CUDA C/C++和CUDA Linker选项

添加cuda.png

• 原设置

  
  cuda10.1勾选.png

• 修改后

  
  cuda10.1勾选2.png

2.4CUDA路径配置

cuda-common.png

2.5 编译出现MSB372错误

参考链接中的第4点

msb372错误.png

• 解决方法：打开darknet.vcxproj（就在darknet.sln同级目录下）修改

<CudaCompile>
      <TargetMachinePlatform>64</TargetMachinePlatform>
      <CodeGeneration>compute_35,sm_35;compute_86,sm_86</CodeGeneration>
    </CudaCompile>

改为

<CudaCompile>
      <TargetMachinePlatform>64</TargetMachinePlatform>
      <CodeGeneration>compute_35,sm_35;compute_75,sm_75</CodeGeneration>
    </CudaCompile>

2.6编译出现无法打开“opencv_world341.lib”

image.png

• 这是opencv库目录配置的问题，解决方法：属性---vc++目录---库目录，添加opencv的lib文件夹路径。

  
  image.png
  

  连接器---输入---附加依赖项 添加“opencv_world341.lib”

  
  image.png

3. 编译

注意配置的模式和生成模式要对应，如：属性页配置的是release x64的，生成时也要是release x64模式。 image.png

4.使用

4.1下载预训练模型

地址
以yolov4.weight为例

image.png
yolov4.weight下载后放到编译生成的darknet.exe同级目录下，一般是build\darknet\x64下
image.png

4.2命令行下运行

win+r打开cmd命令行模式，用cd进入到darknet.exe的目录
输入以下命令

darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25

image.png
image.png

输入图片路径data/person.jpg

image.png

4.3更多命令行用法

链接

附其他检测结果

不为别的只是想体验一下

image.png
image.png
image.png
image.png
image.png