yolov4的win10下配置步骤以及一些避坑指南，很详细的总结

源码下载和配置

目前YOLOv4的模型（cfg、weights）已经在官网放出，大家可以下载，链接如下：https://github.com/AlexeyAB/darknet
按照官网给的win10配置步骤和要求：
Visual Studio 2015/2017/2019, CUDA >= 10.0, cuDNN >= 7.0, and OpenCV >= 2.4.
由于我的电脑配置正好符合上述默认要求：Yolov4+VS2019+Window10+CUDA10.0+CUDNN7.6，直接编译因此很方便。 如果需要VS，CUDA，opencv等下载和配置下面的博客有描述，这里不做赘述。
https://blog.csdn.net/qq_34809969/article/details/106023634
但是上述的博客legacy方法比较麻烦，我当初配置踩坑熬到深夜，都是眼泪，还有利用cmake-gui以及测试的方法如下
https://blog.csdn.net/info_black_hole/article/details/105822021
https://blog.csdn.net/weixin_43723614/article/details/105772081
可供参考，后来官方更新给出CMake方法更新了简单的版本。基于此我写了这篇博客。在下载解压后darknet-master文件夹目录点击shift+鼠标左键，找到Powershell终端输入命令如下：

PS F:\研究生\目标检测比赛\darknet-master>.\build.ps1

如果你一次编译成功，恭喜你幸运极了，我可是步步是坑！不能直接编译，情况如下：

不要慌，有错误问度娘，复制错误百度（google）一下，解决方案如下，
法一在win10系统任务栏上，点击搜索图标，输入“PowerShell”，
注意：必须先保证自己是以管理员身份打开PowerShell的（上面打开方式不是管理员模式）
是它，就是它，点它，管理员运行它
法二，在win10系统中进去PowerShell的路径，依次点击“C:\WINDOWS\System32\WindowsPowerShell”，找到powershell.exe右键管理员运行。
打开程序后，我们看看有效的执行策略列表是怎样的，命令如下：

PS F:\研究生\目标检测比赛\darknet-master> Get-ExecutionPolicy -List

具体含义请查看Powershell脚本5种执行权限介绍
我记得当时列表显示都是Undefined（默认的），是不能运行的原因，修改命令如下：

PS F:\研究生\目标检测比赛\darknet-master> set-executionpolicy remotesigned

出现下面的提示，输入：Y 即可 ，修改后再查看策略列表，如上图试所示就可以了
再运行.\build.ps1，进行编译，编译成功后会看到生成的darknet.exe，然后进行测试。
注意：darknet.exe可能出现无法正常启动0xc00007b现象，如下图

这种情况原因有很多，一般用DirectX修复工具增强版程序下载链接

实例测试

在官网下载yolov4.weights文件（可能比较慢）或感谢博主diadestiny提供免费的百度云下载v3和v4永久的百度云下载地址
提取码：itoy
把下载后的yolov4.weights文件，放在darknet-master文件夹内。

1.图片测试，运行如下测试命令

PS F:\研究生\目标检测比赛\darknet-master> darknet.exe detect cfg\yolov4.cfg yolov4.weights data\dog.jpg

在darknet-master文件夹找到新生成的predictions，会看到检测结果

2.摄像头测试

darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0

出现如下提示，不显示结果
powershell下的解决方法很麻烦，我尝试了一下，放弃了（脑袋疼），所以图片，摄像头和视频测试方法均推荐在cmd进到终端命令测试
解决方法：开始界面（管理员）输入cmd进入终端运行命令
3.视频测试
把测试视频放在data文件夹下

darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights .\data\xxx.mp4

摄像头测试结果如下

总结

1.主要对yolov4用Cmake方法进行了配置和测试，简单易懂好操作
2.如果后面我涉及制作数据集和训练等方面的内容，会继续更新。
3.第一篇博客文章，如有编写不当的地方，献丑了。主要是分享我踩过的一些坑，有问题可以留言探讨。