Yolov3源码darknet编译与训练（一）(Win10 + CUDA9.0 + VS2017)

在完成上一篇博客中CUDA9.0的安装之后，这一篇开始编译Yolov3源码darknet，参照darknet官方教程：https://github.com/AlexeyAB/darknet#how-to-compile-on-windows。

1. 依赖项安装

darknet编译的依赖项有：Visual Stuido, CUDA, cudnn, Opencv。darkent官网教程的版本是MSVS 2015, CUDA 10.0, cuDNN 7.4 and OpenCV 3.4.0。我使用的版本是MSVS 2017, CUDA 9.0, cuDNN 7.4 and OpenCV 3.4.0，前3个依赖项的下载安装上一篇博客已经给出（注意安装VS2017时一定要选择“适用于桌面的VC++20.15.3 v14.00(v140)工具集 ”），还剩下Opencv3.4.0需要安装，其实解压就行，将下载的opencv-3.4.0-vc14_vc15.exe双击进行解压过程。

添加系统环境变量：根据darknet官网教程，需要将Opencv与cudnn的路径添加到环境变量，这是为了在编译Yolov3时读取Opencv与cudnn中的依赖.dll文件，如果不添加环境变量，我们后续将所依赖的.dll文件手动拷贝到编译目录下也行。

添加系统环境变量：

2. 编译darknet

在安装好VS2017, CUDA9.0, Opencv3.4.0之后，便可以开始编译darknet:

(1). 下载源码：

git clone https://github.com/AlexeyAB/darknet.git

或者直接下载然后解压，我解压后项目的路径为D:\darknet-master。

(2). 修改.vcxproj文件：

由于我们使用的是CUDA9.0版本，与官网所需(CUDA10.0)不同，所以需要修改.vcxproj文件中的CUDA版本。用编辑软件打开D:\darknet-master\build\darknet\darknet.vcxproj，搜索"CUDA 10.0"，修改为"CUDA 9.0"（只有2处，位于第55行与第294行）：

(3). 拷贝依赖的.dll文件：

拷贝项目所依赖的opencv与cuda的.dll文件到项目输出路径(D:\darknet-master\build\darknet\x64)下：

C:\Program Files\opencv3.4.0\build\x64\vc14\bin\opencv_ffmpeg340_64.dll
C:\Program Files\opencv3.4.0\build\x64\vc14\bin\opencv_world340.dll
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\cudnn64_7.dll（该文件是从cudnn中拷贝而来）

(4). 修改项目属性：

双击D:\darknet-master\build\darknet\darknet.sln文件，用VS2017打开项目，会显示“重定向项目”：

点击取消，然后修改解决方案平台为x64, 配置为Release:

打开项目属性，修改平台工具集为Visual Studio 2015 (v140)：

修改opencv的目录属性：在属性页的“配置属性” --> "C/C++" --> “附加包含目录”，与 “配置属性” -->“链接器” --> “附加库目录”中，将Opencv的目录修改为自己的路径：

修改完成后点击确认，然后右击项目名称，点击“生成”：

编译成功：

在输出路径(D:\darknet-master\build\darknet\x64)下生成了darknet.exe文件。

---

经过以上步骤，我们便成功地编译出了可执行文件darknet.exe，接下来我们便可以使用它来进行yolov3的目标检测任务。训练与测试过程见下一篇博客：https://blog.csdn.net/anhec/article/details/86754842