windows环境下训练YOLOv4

1、配置环境

1 CUDA cuDNN
2 微软的Visual Studio
3 opencv
环境的配置请自行搜索

2、darknet.exe的生成

1. 先检查darknet/build文件夹中darknet.vcxproj里的CUDA版本是否和你安装的CUDA版本一致，若不一致，修改darknet.vcxproj里的版本号，修改的位置有两处！
2. 用Visual Studio打开darknet/build文件夹中的darknet.sln；
   然后将Visual Studio设置为release x64的状态，然后点击“生成”菜单中的“生成解决方案”。
   这时你就会看到x64文件夹下生成了darknet.exe文件。

3、测试YOLOv4

1. 下载YOLOv4.weights
2. YOLOV4代码中给的下载地址在外网里，下载极慢。不过，我已经下载好，可以在我百度云中下载，请自行索取。
   链接：https://pan.baidu.com/s/1bKk6tYXOgIKxJhkXWMk1bA
   提取码：e9ui
3. cmd方式进入x64文件夹中，运行darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights data/dog.jpg
4. 这是检测一张狗的图片，当然，你可以检测其它的图片。
   若检测成功，那就可以训练了！

4、训练

这里以我私有数据集为例进行讲解，我的数据集只有一个类，数据集为VOC类型。
训练指令：darknet.exe detector train data/voc.data cfg/yolov4.cfg yolov4.conv.137
训练指令很简单，但是有许多地方要先修改下！
修改地方1：
darknet/build/darknet/x64/data中的voc.data修改为：

classes= 1
train  = data/2012_train.txt
valid  = data/2012_test.txt
names = data/voc.names
backup = backup/

其中2012_train.txt和2012_test.txt用darknet/build/darknet/x64/data/voc里的voc_label.py来生成，使用方法自行检索
修改地方2：
1. 打开darknet/build/darknet/x64/cfg文件夹中的yolov4.cfg配置文件；
2. 搜索yolo，一共三个yolo。
3. 然后，将classes改为1，[yolo]上面的filters改为18, 若你有n个类，那filters改为（n+5）*3的值。别慌，就是紧挨着[yolo]，且在[[yolo]上面的那个filters。
下载yolov4.conv.137
yolov4.conv.137是权重文件，还在我上面给出的百度云里下载比较快。

最后执行训练指令即可：darknet.exe detector train data/voc.data cfg/yolov4.cfg yolov4.conv.137

5、测试

训练生成的模型会保存在darknet/build/darknet/x64/backup中。
以cmd方式进入x64文件中，然后执行darknet.exe detector test cfg/voc.data yolov4.cfg backup/yolov4----xxx.weights data/dog.jpg即可
ok，这时你就可以看到yolov4对dog.jpg的检测效果啦！如果不行，在好好想想那里的问题！解决不了的话，就在评论区提问吧。