win10 + YOLOv4 + CPU/GPU配置教程
遇到了N多的问题终于跑出来了。末尾再说遇到的问题和解决办法。主要参考的博客是https://blog.csdn.net/shuaijieer/article/details/106150135?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control
安装步骤：
1、vs2017
2、yolov4源码
3、CMark安装
4、cuda安装
5、cudnn安装
6、OpenCV安装
7、Cmark编译
8、VS编译
9、图像测试
10、测试结果
1、vs2017安装，直接官网下载即可，C盘空间不足，装在了D盘。实在不会呢，参考这个博客：https://blog.csdn.net/weixin_41722928/article/details/83000343
2、yolov4源码下载，直接下载到本地，解压使用即可。网址是： https://github.com/AlexeyAB/darknet.
3、CMake安装：官网https://cmake.org/
进入官网下载最新的版本即可（我用的是版本3.18）。图中红色标注的位置，下载后一路默认安装点下来就好。装在D盘也行。
4、Cuda安装
注意选择合适的版本。需要先查看自己显卡支持的版本，版本查询方法是先打开NVIDIA控制面板，点击系统信息，再点组件，比如我的显卡支持的是10.2。
直接百度官网，下载解压安装就行。这个软件主要应该是负责使用GPU的。下载网址：https://developer.nvidia.com/cuda-toolkit-archive
安装完成后检查是否安装成功。
win+R 进入运行界面，输入cmd进入命令行界面，输入nvcc --version 查看是否安装成功
5、
cuDNN安装
在官网下载前需要注册NVIDIA DEVELPOER 的账号，比如选择与CUDA10.2对应的版本cuDNN7.6.4，点击library for win10文件,大概有240M左右。如下图所示：
官网的安装教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
其实就是将解压后将下面几个文件复制到CUDA的对应路径下。
- Copy …\cuda\bin\cudnn64_7.6.5.32.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin.
- Copy …\cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include.
- Copy …\cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64.
简便快捷的方法就是把下载好的CUDNN文件 全部复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2中
6、
OpenCV安装
从官网下载，版本要大于2.4
下载好直接解压就可以,并将installpath\opencv\build\路径添加到系统的环境变量中,
CMake编译的时候会自动找到这个文件夹
添加环境变量如下图所示，在此电脑右击属性，弹出下图界面，点击高级系统设置。
点击环境变量，新建环境变量，
如果还想知道更具体的安装方法，可参观相关博客，主要是有一个环境变量的配置。
7、
Cmake编译
如果你想用GPU加快检测速度，需要将Makefile文件用记事本打开，更改GPU=1 CUDNN=1 CUDNN_HALF=1 OPENCV=1。如下图所示：
选择Browse Source 为源码所在文件夹，Browse Build 可以选择同一文件夹，点击Configure，弹出如下界面：
如果VS是17版本，就选17版。第一项选择你所安装的VS版本，第二项平台选择x64 ,点击Finish，点击Configure，没有错误后点击generate。
成功后点击Open Project 打开项目文件。
8、
VS编译
注意：选择release版本，x64，直接生成解决方案。
将D:\github\darknet\Release文件夹下的darknet.exe文件复制
打开到D:\github\darknet\build\darknet\x64文件夹内进行粘贴，如下图所示
将opencv …\opencv\build\x64\vc14\bin 下的两个opencv_world330.dll和 opencv_ffmpeg330_64.dll dll文件复制到上述文件夹内。如下图所示：
将cuDNN中的cudnn64_7.dll复制到上述文件夹。
9、
图像测试
为了验证是否配置成功，下载推荐的yolov4.weights文件和yolov4.，文件大概有245M，
链接：https://pan.baidu.com/s/1koPg1amOlqIw5bLwv4Id_Q
提取码：1234
复制这段内容后打开百度网盘手机App，操作更方便哦
将下载后的文件放在D:\github\darknet\build\darknet\x64文件夹下。
打开cmd命令行，转到上述的文件夹内，如下图所示：
按照GitHub，测试图像和视频复制对应的命令：
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
10、
测试结果
-
自带的dog图像
也可以选择替他图片代替。
（2）视频可以在网上下载，放在x64文件夹中，命名为test.mp4。就可以进行视频识别了。
总结
整个配置不难，按照步骤来就行，第一次运行编译CMark时，cuda找不到，只好取消勾选不用GPU，这时候图片可以识别分类没问题，但是视频识别没有用GPU就特别慢，像播放幻灯片一样。不甘心，参考了各种博客，感觉是vs17环境变量出了问题，我是在openvc之后安装的vs。找到原因之后，全部卸载整个环境，先安装vs,然后重新装了一遍环境，Cmark编译没有问题，可以识别出cuda。在最后运行的时候，darknet.exe出现无法正常启动0xc00007b现象。找了好久原因，最后用DirectX修复工具增强版工具修复的。工具用的的这个https://pan.baidu.com/s/1BCpt7lzgRcONuP9IWwt0Hg提取码：1234
最后终于可以用GPU识别视频了，帧率还是有点低，但能看。
这是我的配置过程，大家有疑问欢迎评论区交流。
