Windows10下vs2019编译运行yoloV4+GPU完整流程

---

运行yolov4+GPU首先需要确定运行环境，本机环境为windows10|cpu i5-8250u|gpu mx110|opencv3.4.5|vs2019 |cmake3.16.3

1.首先需要确定自己笔记本电脑GPU支持的cuda版本，在 NVIDIA控制面板中点击帮助，组件,即可看到CUDA 11.2.136,本人安装版本cuda10.1，不能 高于查询版本

2.去NVIDIA下载驱动

CUDA10.1https://developer.nvidia.com/cuda-10.1-download-archive-update2

CUDNN自行寻找对应版本或者自行上网搜索资源

 官方链接   https://developer.nvidia.com/zh-cn/cudnn

建议CUDA自定义安装，并且不要勾选VS integration选项

快捷键"WIN+R"调出运行窗口，输入cmd后回车，在弹出的窗口中输入nvidia-smi或
nvcc -V确定安装成功

3.将CUDNN复制到对应文件夹下

4.opencv的编译与配置会单独出一篇，这里默认已经下载安装并且设置好了环境变量；这里主要说明cuda安装

首先

C:\ProC:\Program Files\NVIDIA GPU Computing Tool kit\CUDA\v10.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

这两个路径新增到环境变量（V10.1是因为下载的CUDA版本是10.1，需要要用自己的路径）
然后
修改darknet.vcxproj
使用任意文字编译器（记事本也可以）打开darknet-master/build/darknet下的darknet.vcxproj
找到两处有CUDA版本号的地方（一般55 & 307行附近）
将这里的10.0改为自己的版本号，然后保存

   <Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 10.1.props" />
   <Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 10.1.targets" />

再然后
将下载的opencv档案的build/x64/vc14/bin下的这两个文件

复制到darknet-master/build/darknet/x64里面
最后
把

 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\
 visual_studio_integration\MSBuildExtensions 

路径下的四个档案
复制到

 C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\v140\BuildCustomizations 

和

  C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\v140

5.下载YOLOV4源码解压

https://codeload.github.com/AlexeyAB/darknet/zip/master

6.Cmake编译

选择依次点击vs2019,unix依次点击configue generate 即可

7.用vs2019打开 darknet-master\build\darknet\darknet.sln 确定弹出的升级窗口，设置为Release,x64编译 生成可执行文件

8.运行

windows+r,输入cmd,进入自己对应的build/darknet/x64下
Yolo v4 COCO - image:

 darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25

Output coordinates of objects:

darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg

Yolo v4 COCO - video:

 darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -ext_output test.mp4

Yolo v4 COCO - WebCam 0:

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

Yolo v4 COCO for net-videocam - Smart WebCam:

darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights http://192.168.0.80:8080/video?dummy=param.mjpg`

Yolo v4 - save result videofile res.avi:

 darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4 -out_filename res.avi

Yolo v3 Tiny COCO - video:

 darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights test.mp4

JSON and MJPEG server that allows multiple connections from your soft or Web-browser ip-address:8070 and 8090:

./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights test50.mp4 -json_port 8070 -mjpeg_port 8090 -ext_output

Yolo v3 Tiny on GPU #1:

darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights -i 1 test.mp4

致敬！永远的RoboMaster!