AlexeyAB版yolov4 -win10端超详细教程，已实践（环境配置-成功运行）

前言：

AB大神版的yolov4在win10端的配置(详细教程)

Requirements：

• Visual Studio 2017/2019 https://visualstudio.microsoft.com/zh-hans/thank-you-downloading-visual-studio/?sku=Community
• nvidia driver：https://www.nvidia.cn/geforce/drivers/
• CMake >= 3.12: https://cmake.org/download/
• CUDA >= 10.2: https://developer.nvidia.com/cuda-toolkit-archive
• OpenCV >= 2.4: https://opencv.org/releases.html
• cuDNN >= 8.0.2 https://developer.nvidia.com/rdp/cudnn-archive

第一步，安装Visual Studio

安装visual Studio,我这里选择了Visual Studio 2019。下载地址在Requirements

• 在这里选择你想使用功能，我在这里选了python和C++

• 之后需要别的功能，可以打开visual studio Installer 进行添加

第二步，安装Cmake

安装cMake,下载地址在Requirements（x86指的是32位系统；x64指的是64位系统）,我选择的是3.20版本

• 记得勾选Create Cmake Desktop Icon（创建桌面图标）和 Add Cmake to the system PATH for all users（添加环境变量）

第三步：安装nvidia 驱动

安装nvidia驱动,下载地址在Requirements

我这里选择的是版本是461.09，太新的可能找不到匹配的cuda版本

地址啥的就别改了，避免后续不必要的麻烦(如果自定义了务必记住地址)，然后一路下一步直到安装完成

第四步：安装cuda（要与nvidia驱动相匹配）

1. 查看需要的匹配的版本，在桌面上右键打开NVIDIA 控制面板
   

2. 在帮助中打开系统信息
   

3. 选择组件，即可看到对应的cuda版本

4. 打开Requirements中的链接，选择你需要下载的cuda，我这里的版本是11.2
   

5. 安装步骤与第三步相同

6. 测试，打开cmd，输出nvcc -V，获得类似以下内容就没问题了
   

第五步：安装cudnn（需要与cuda版本匹配）

1. 安装cudnn,下载地址在Requirements，选择与cuda匹配的版本，这里需要登录才能下载。

下载完后是一个压缩包，解压后会获得一下文件

2. 打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\V11.2**（即上面驱动和CUDA安装地址）将解压后得到的的bin ，include和lib文件夹分别复制到cuda安装路径下与cuda的bin ，include 和lib文件夹合并
3. 添加环境变量：右击此电脑-属性-高级系统设置-环境变量，找到系统变量中的path，选择编辑，添加以下路径（即安装路径）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

4. 测试安装是否成功，运行CUDA的官方示例，win + r 打开cmd，cd到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite，运行bandwidthTest.exe和deviceQuery.exe

   会获得一堆信息，在最后会得到一个PASS，则证明安装成功

第六步：下载opencv

1. 安装opencv,下载地址在Requirements，我这里选择的是4.5.2，安装地址改了的请务必记住，后面用得到。
   

2. 安装完成后，添加环境变量：右击此电脑-属性-高级系统设置-环境变量，找到系统变量中的path

C:\Program Files\opencv\build\x64\vc15\bin
C:\Program Files\opencv\build\x64\vc14\bin

3. 添加完成后，建议重启下，保证环境变量生效

第七步：利用cmake build darknet

1. 下载A版darknet，地址：https://github.com/AlexeyAB/darknet/archive/master.zip
2. 打开cmake，然后按照以下步骤操作（图来自AB大神的github）

可能会遇到的问题1：找不到CUDA，解决办法：上面的安装步骤哪一步做错了
问题2：找不到opencv，解决办法：

• 右击此电脑-属性-高级系统设置-环境变量，找到系统变量中的**path，新建，添加“变量名”：OpenCV_DIR；变量值：C:\Program Files\opencv\build
• 打开darknet文件夹，打开CmakeList（可以用记事本打开），ctrl+f 搜索find_package(Opencv)在这之前加入set(OpenCV_DIR "/path/to/opencv/bulid")

3. 源码路径下会生成 Darknet.sln等项目文件，双击打开，选择debug或release, x64，右键选择ALL_BUILD生成
   4.如果生成没有错误，即可右键选择INSTALL，选择“仅用于项目”----“仅生成INSTALL” ，成功后会生成darknet.exe和dark.dll等文件
   5.需要将OpenCV对应版本的dll放在darknet.exe同目录，同时需要pthreadGC2.dll和pthreadVC2.dll（你也可以选择把darknet.exe以及这两个文件都放到C:\Users\Administrator\Desktop\darknet\build\darknet\x64，这样更方便）
   
   

6.修改/创建cfg文件，如打开：（其他修改参照https://github.com/AlexeyAB/darknet）C:\Users\Administrator\Desktop\darknet\build\darknet\x64\cfg\yolov4-csp.cfg

• 修改batch batch=64
• 修改subdivisions batch=8

适当修改batch和subdivisions，不然容易GPU out of Memory

• 修改最大迭代数max_batches一般等于类别数*2000
• 修改step 分别等于最大迭代数80％和90％
• 适当修改输入图片大小width height，必须保证可以整除32
• 修改三个yolo层（ctrl+f 搜索yolo）的类别数：classes
• 修改三个yolo层前filters的数量 filters *（类别数+5） * 3，即类别数加（四个坐标+置信度得分）三个yolo检测器
• 创建C:\Users\Administrator\Desktop\darknet\build\darknet\x64\data\中创建detect.data

输入以下内容：

classes = X(你的数据集的类别数)
train  = data/train.txt
valid  = data/test.txt
names = data/detect.names
backup = backup/

text文件类似以下：

data/images/6057.jpg
data/images/5402.jpg
data/images/2508.jpg
data/images/4154.jpg
data/images/5086.jpg
data/images/3589.jpg
data/images/6448.jpg
data/images/748.jpg
data/images/6549.jpg
data/images/6873.jpg
data/images/8182.jpg
data/images/1572.jpg
data/images/7195.jpg
data/images/3319.jpg

• 创建C:\Users\Administrator\Desktop\darknet\build\darknet\x64\data\中创建detect.name

格式和以下内容相似：

aeroplane
bicycle
bird
boat
bottle
bus
car
cat

• 把自己的数据集（图片和标签）放到C:\Users\Administrator\Desktop\darknet\build\darknet\x64\data\images\下，路径要和data/train.txt和data/test.txt中一样

7.have a try：打开cmd，cd到C:\Users\Administrator\Desktop\darknet\build\darknet\x64，输入darknet.exe detector train data/xxx.data cfg/yolov4-csp.cfg yolov4-csp.conv.142
跳出以下内容就可以了（可以用任务管理器查看GPU占用）

目前先到这里了，本文相当于介绍AB大神的readme中部分，增加了部分涉及的不完全的东西，避免遇到坑。

参考：
1.https://github.com/AlexeyAB/darknet
2.https://blog.csdn.net/qq_41277822/article/details/104018866
3.https://blog.csdn.net/weixin_42291376/article/details/106276151