使用Google Colab装载YOLOv4（免费云端GPU，无需配置环境）

写在前面

借助 Colaboratory（简称 Colab），您可在浏览器中编写和执行 Python 代码，并且：

• 无需任何配置
• 免费使用 GPU
• 轻松共享
  无论您是一名学生、数据科学家还是 AI 研究员，Colab 都能够帮助您更轻松地完成工作。您可以观看 Colab 简介了解详情，或查看下面的入门指南！
  不会使用Google Colab的可以参考此文章 https://blog.csdn.net/Flag_ing/article/details/105876360

1、前提条件

首先需要有Google浏览器，注册谷歌账号，并且可以访问网站。（具有登登登的能力，有某种原因，不便说明，请自行百度）

2、登录Colab

1、登录网站
[https://colab.research.google.com/notebooks/welcome.ipynb]
这里是Google Colab的使用指南，有好多内容，自行阅读。
2、新建笔记本，命名随意（这里命名YOLOv4）

名字可以直接在这里修改

3、检查GPU

在代码执行程序里面更改运行时类型，选择GPU即可。


添加代码，输入

! nvidia-smi

（注意‘！’不要忽略）点击运行

服务器会自动分配一个GPU供你使用

4、装载YOLOv4

1、下载Darknet(AlexeyAB)

添加代码块，输入

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

后面的网址就是GitHub里的地址

下载完成后，刷新一下左面的文件目录就出现了一个darknet的文件夹

2、更改Makefile参数以使用GPU

我们可以先查看Makefile中的参数

! head darknet/Makefile

修改参数说明
GPU=1 调用GPU CUDA
CUDNN=1 加速GPU训练
CUDNN_HALF=1 侦测加速3倍，训练加速两倍
OPENCV=1 用于摄影侦测试用

使用sed修改参数

! sed -i 's/GPU=0/GPU=1/g' /content/darknet/Makefile
! sed -i 's/CUDNN=0/CUDNN=1/g' /content/darknet/Makefile
! sed -i 's/OPENCV=0/OPENCV=1/g' /content/darknet/Makefile

再次查看参数是否已修改

3、编译YOLOv4

! cd darknet; make

（等待编译完成，可能需要一小会时间）

5、使用YOLOv4

1、下载权重

! cd darknet; make

! gdown https://drive.google.com/uc?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT

权重下载地址在 GitHub里也有，需要注意的是将地址里的open改成uc（当然也可以直接复制代码块，但是建议自己看看GitHub里的东西）

在这下载文件还是很快的，一秒钟就可以下载完成（应该也会取决于网速），下载完成我们可以在文件夹目录看到这个文件（刷新一下）

2、使用yolov4辨识

进入data文件夹可以查看自带的示例图片（这一步也可以不需要）

! ls darknet/data

from PIL import Image
Image.open('darknet/data/person.jpg')

辨识

! cd darknet; ./darknet detect /content/darknet/cfg/yolov4.cfg /content/yolov4.weights /content/darknet/data/person.jpg

辨识结束

辨识图片放在darknet目录下，可以查看一下

from PIL import Image
Image.open('/content/darknet/predictions.jpg')

结束！

参考：https://www.jianshu.com/p/a42d69568966