windows7+VS2017+GPU+OpenCV3.4 编译YOLO_v4

随着AlexAB大神将YOLO继续发扬光大到V4之后，一大波yolo粉狂欢了一阵，但是对于初学者想用却遇到了麻烦，因为环境配置永远是头疼的。

1. 准备工作
   VS2017
   OpenCV3.4
   CUDA10.1（+cudnn）其他版本亦可，取决于你显卡的配置，我的是Titan Xp
   darknet 源码（https://github.com/AlexeyAB/darknet）
2. 配置环境
   2.1 创建VS2017工程
   选择NVIDIA
   2.2 配置文件
   将下载解压后的源码中的以下几个文件夹拷贝到新建工程下：3rdparty、cfg、data、include、src。model为自己建立的，放权重文件yolo-v4.weights。
   
   在工程下建立三个文件夹c、h、cu，从src中分别添加c文件、h文件、cu文件
   
   2.3 配置属性
   选择x64-Release
   包含目录中添加：
   \3rdparty\pthreads\include;
   \3rdparty\stb\include
   \include
   \opencv\build\include;
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
   库目录中添加：
   \3rdparty\pthreads\lib
   \opencv\build\x64\vc15\lib
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
   C/C++ 预处理定义中添加：
   WIN32;WIN64;NDEBUG;_CONSOLE;_LIB;OPENCV;CUDNN_HALF;CUDNN;_TIMESPEC_DEFINED;_SCL_SECURE_NO_WARNINGS;_CRT_SECURE_NO_WARNINGS;_CRT_RAND_S;GPU
   
   CUDA device中修改算力：根据显卡配置
   compute_30,sm_30;compute_75,sm_75
   
   之后链接器中添加上相应的LIB文件。
3. 编译
   基本上按上面的步骤，编译应该可以成功生成。
4. 测试
   
5. CPU配置
   除了不用添加cu文件外，其余步骤一样。
   CPU速度7s,GPU执行 30ms，这就是差距！

如果编译过程遇到问题，欢迎私信。