在Windows环境下配置、安装GPU版本YOLOv4(超详细)

关于YOLO

Yolo是一种物件侦测的方法，类似的有R-CNN，Fast R-CNN等Yolo使用的是one stage方法，也就是只需要对图片作一次 CNN便能够判断图片内的物体位置与类别，因此提升辨识速度。目前官方给出的yolo版本有Yolo1Yolo2Yolo3Yolo4Yolo5目前还未被官方承认（类似于yolo4的改进版，没有太大区别）每个版本也有其对应的tiny-yolo版本，即轻量级yolo，更小，方便在移动设备上使用（准确率有损失）原作者是使用darknet神经网络来实现yolo的

搭建yolo环境

为了在window上快乐的使用yolo4，接下来就开始环境配置的部分啦~

Demo使用的配置为Win10 + CUDA10.0 + Python3.6 + Vs2015 + Opencv3.4 + cudnn7.6.5

前面有提到，作者是使用darknet来实现yolo的，所以yolo的环境配置其实也就是在你的电脑里，建置一个darknet的环境~

1、下载官方的github的专案

下载网址：

github专案开启的界面

点击左上角绿色的Code按钮，接着点击download ZIP，专案就开始下载啦~

下载后你就多了一个叫做darknet-master的档案

2、下载和配置opencv

这边使用的是opencv3.4的版本，因为比较不会出错下载后点击里面的.exe档案，就开始安装opencv了安装好后，开始设定环境变量在此电脑处右键，点击属性这里选择高级系统设置点击右下角的环境变量接着，将你刚刚下载的opencv档案夹内的这三个路径，加入环境变量build/include/opencvbuild/include/opencv2Build/x64/vc14/bin 这里的D:\是我的opencv档案安装的路径，你要改成自己的

3、下载visual studio 2015（建议2015的版本比较不容易出问题）

为什么建议用2015版本的？

因为在下载的darknet-master档案里有一个Host_congif.h的文件表示

仅支持VS版本在2013-2017之间的进行darknet的建置

4、检查你的python、CUDA、Cudnn是否安装成功

安装教学：

python下载网址，python版本建议下载3.6.6 或者 3.7.6

将你的python安装路径加入环境变数

CUDA下载（这里用的CUDA10.0）Cudnn下载（这里用的Cudnn7.6.5）配置CUDA和Cudnn

将你的Cudnn的档案内的bin、include、lib三个文件里面的内容，直接复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 （你电脑的CUDA路径）

路径最后的V10.0是因为我安装的版本是CUDA10.0，如果你的版本和我不一样，请选择自己版本名字的文件夹哦~cudnn文件夹的样子CUDA文件夹里的v10.0的样子

直接复制、贴上，选择替换目标中的文件

接着将

C:\Program Files\NVIDIA GPU Computing Tool kit\CUDA\v10.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

这两个路径新增到环境变数（V10.0是因为下载的CUDA版本是10.0，你要用你自己的路径）

5、修改一些设定档

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

移动文件

将下载的opencv档案的build/x64/vc14/bin下的这两个文件（340是因为下载的opencv版本为3.4.0）复制到darknet-master/build/darknet/x64里面

接着，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

如果路径下没有CUDA10.0.props等这四个档案，应该是因为是安装CUDA的时候，电脑内尚未安装visual studio，选择自动安装CUDA时会安装错误，只能点选自定义安装，所以没有这四个档案。解决方法1：安装好visual studio后，重新安装CUDA，路径中就会出现这四个文件解决方法2：百度云链接（仅适用于CUDA10.0的版本使用）

https://pan.baidu.com/s/1Nf8WQYjuXWWi7PCgC-sPXw 提取码: 25ey

6、在VS里面修改设置

用vs2015打开 darknet-master\build\darknet\darknet.sln首次开启时，会跳出一个需要你升级安装等东西的窗口，点击确认，让vs去安装

安装完成后就可以成功开启这个档案了这里要改成Release和X64在右侧darknet的地方右键，点击属性（sorry我这里用的是繁体中文的版本，用语可能不太一样）

编辑VC++目录下的包含目录（按照顺序点击）

include目录就是包含目录，我这里用繁体中文版本所以显示的不太一样

將你的opencv安裝位置下的

Build/includeBuild/include/opencvBuild/include/opencv2

这三个路径加入，点击确定

编辑VC++目录下的库目录（按照顺序点击，操作和上一步大同小异）

添加你的opencv档案里的build/x64/vc14/lib的路径，点击确定

编辑 链接器->输入->附加依赖项（操作和上一步大同小异）

添加你的opencv档案里的 build\x64\vc14\lib下的 .lib文件的档案名（应该会有两个.lib文件，选择副档名前没有d的那个）

像这里，选择第一个文件的档案名就ok，第二个是有d的

上面的几个部分都修改完后，点击应用，确认，就好了~

7、生成

前面的步骤都做好后，就可以开始快乐（心惊胆战）的生成专案了~

这里点击生成，生成专案

（然后下面的terminal会开始跑很多很多东西，别怕，他只是在生成）

出现下图这样的画面，表示，恭喜你，建置成功啦~

检查你的darknet-master/build/darknet/x64是否多了一个darknet.exe

至此，YOLO所需要的darknet环境就建好了~（鼓掌）

8、常见问题

生成专案的时候可能出现的问题，这里大概整理了一下（不太全，望谅解）

在xxxxx路径下找不到CUDA 10.0.props文件（类似这样的错误提示）

解决方法：把找不到的文件，放到对应的路径中

找不到汇入的CUDA 10.0.props

解决方法：检查你的darknet-master/build/darknet下的darknet.vcxproj档案，看一下CUDA版本号有没有修改成和你电脑一样的版本（在步骤5的部分）

查看电脑的CUDA版本方式：

开启命令提示符（在左下角的开始，输入cmd或者命令提示符就有了） 输入nvcc -V ，敲下enter最后一行就是CUDA的版本无法读入opencv的.lib档（或者其他opencv相关档案）

解决方法：看一下步骤6里面，修改的档案或者路径的地方，有没有打错字（目前遇到的错误都是因为路径或者档名打错）

如果有任何疑问或者建议欢迎提出

YOLO新手，不胜感激

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。E-MAIL:704559159@qq.com