Yolo工具库darknet的编辑和使用笔记

        写在前面，其实darknet并非是做yolo开发的最优工具，但因为我们之前使用过yolo的其他的版本，上手比较快，因此本次继续使用darknet作为测试工具。

        注：本次编译测试使用的VS版本为2022，其他版本理论上不会有太大出入。

---

一、下载安装cuda，下载适合自己操作系统的最新版本，

CUDA下载地址：CUDA Toolkit Archive | NVIDIA Developer

cuDNN下载地址：cuDNN Archive | NVIDIA Developer

关于cuda和cudnn的安装可参考：Win10中CUDA、cuDNN的安装与卸载

注意：因为我们需要将darknet编译成vs工程，因此在安装CUDA时，一定要勾选安装Visual Studio Integration

二、从github下载darknet的最新版本（master）分支

地址：GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet )

三、build工程

我们使用darknet的c++版本，因此无需手动build一个darknet的工程出来，使用源码包中已经build的工程进行编译。简单编译步骤，可参考darknet的readme文件中的 How to use Yolo as DLL and SO libraries 章节。

如需手动build  darknet的项目工程，可参考我之前的一篇文章，Windows下编译 yolo-fastest 或 darknet 提示CUDA not found 的解决方案_mevender的博客-CSDN博客

四、调整项目配置，此过程需根据本机实际环境设置，下面给出具体的修改项和配置过程

        因为源码中项目build的编译环境版本和环境变量配置与本机有区别，因此我们需要对工程做一定的修改。

        因修改项基本一致，我们这里主要针对yolo_cpp_dll项目做解释，yolo_cpp_dll_no_gpu项目的修改内容误差。

        有两种修改方案：可以直接修改yolo_cpp_dll.vcxproj文件，也可以打开项目后，通过工程属性修改。我们以工程属性修改举例。

        首先在预处理器定义中添加CUDNN  和 OPENCV，其中OPENCV是可选的，因为本系统使用opencv做图像预处理，因此我们需要编译opencv的对应功能接口。

        调整链接器中的附加库目录。将opencv的库目录指向正确的路径（非必选项），项目的原始配置为：$(OPENCV_DIR)\x64\vc14\lib ,但是因为本系统配置的OPENCV_DIR环境变量直接指向了lib目录的上一级，因此将其修改为$(OPENCV_DIR)\lib，下图给出了配置展示

        同理，修改附加包含目录，使其正确指向opencv的include目录。如下图展示

        同时注意上图的蓝色框中的内容，此项配置在原项目属性中不存在，需手动添加。

        修改CUDA C/C++中的GPU架构，这一步尤其重要，因为项目中配置的GPU架构版本是最低版本，大概率与本机显卡并不匹配，因此需要手动修改，否则无法编译项目。GUP架构版本可以通过CUDA-Z工具查看，本系统使用CUDA-Z-0.10.251-64bit，打开后，界面展示如下图所示：

        红圈处对应GPU架构版本，6.1对应compute_61，我们使用此值修改项目属性，如下图所示，如果工程属性页中，没有CUDA C/C++项，可以在执行前述配置后，先执行一遍工程编译（虽然会报错），然后再进行后续操作。

        以上配置完成，可能还需要手动修改yolo_cpu_dll.vcxproj文件，将其中所有的CUDA版本号修改为与本机安装的版本号一致，本次编译时将CUDA11.1修改为CUDA12.2，内容可能有两处，如下图所示：

        至此，Release配置项修改完成，但先不要编译，后续还有其他配置需要执行。

五、Debug配置项的修改

        内容与Release相同，不再赘述，但是有一点需要注意，需要将Debug的编译输出文件与Release区分开。我们的将Debug的目标文件名修改 $(ProjectName)_debug，最终生成yolo_cpp_dll_debug.dll文件，注：之所以需要编译debug版本，是因为我们在yolo做自定义代码开发时，无法在Debug模式下使用yolo_cpp_dll的Release版本，因此在自己项目中，我们必须将Debug和Release模式分别引用yolo_cpp_dll的debug和release版本。

六、yolo_cpp_dll_no_gpu工程的项目属性修改过程与上述过程相同，不再赘述。

至此配置修改完成，后续为代码修改部分。

---

七、源码文件位置错误问题。

       ==== 其实我也不太清楚，为什么会出现这个问题====

        我们首先可能需要将getopt.c和getopt.h文件从darknet\3rdparty\getopt目录拷贝到，darknet\src目录，否则无法执行编译。

八、Detector类构造函数的参数类型修改

        打开yolo_cpp_dll工程，修改yolo_v2_class.hpp文件，将构造函数签名修改为如下图所示，传入参数类型从string修改为const char*，因为使用string类型将导致我们很难在自己的代码库中传递参数。

        同时修改构造函数实现。

完成修改后，可正常编译yolo_cpp_dll和yolo_cpp_dll_no_gpu库文件。

---

☆☆☆注意☆☆☆：由于Detector的构造函数签名修改，yolo_console_cpp的对应代码也需要做响应调整，否则，将无法使用yolo_console_cpp进行测试（虽然这可能也无关紧要）。