配置環境：聯想筆記本 win10 VS2019 顯卡Nvidia MX250
1. 安裝OpenCV，我安裝的是3.4.9，網上教程很多
2. 安裝CUDA，我選擇的是10.2，根據顯卡型號選擇，沒什么特殊要求就選最新的。安裝方法和普通軟件一樣
3. 下載cudnn，需要注冊一下，選擇和CUDA相對應的版本，cudnn下載之后把對應文件夾的文件直接放入CUDA的對應文件夾就可以了
4. 下載darknet，解壓（后文中的“..”為解壓的目錄）
5. 下載權值文件，我使用的是COCO數據集訓練的結果 【chmq】，放在..\darknet-master\build\darknet\x64中
可以使用CPU和GPU運行，CPU版本不需要裝CUDA和cudnn，但是我的電腦實測GPU運行速度是CPU的十倍以上，有獨立顯卡的盡量使用GPU版本，本方法使用GPU
6. 用文本編輯器打開打開../darknet-master/build/darknet/darknet.vcxproj，查找將CUDA的版本改為當前版本，如: CUDA 10.2
7. 打開darknet.sln，會彈出以下界面，不要更改，點擊確定，如果改了VS可能找不到工具集
然后修改當前解決方案設置 為release x64
8. 在屬性管理器中右鍵release x64，屬性，類似配置opencv的方法添加
VC++目錄——包含目錄
VC++目錄——庫目錄
鏈接器——輸入——附加依賴項
9. 生成
成功后會生成一個darknet.exe在..\darknet-master\build\darknet\x64文件夾中
然后選擇復制..\opencv\build\x64\vc14\bin中的opencv_world340.dll和opencv_ffmpeg340_64.dll和opencv_world340d.dll這些文件放到..\darknet-master\build\darknet\x64文件夾中
10. 運行
打開CMD，切換到..\darknet-master\build\darknet\x64目錄
darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights dog.jpg
為了方便測試，可以寫個批處理文件來運行，下面展示我寫的幾個文件作為參考
識別圖片：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.jpg pause
識別攝像頭：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weights pause
識別視頻：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.mp4 -thresh 0.25 -out_filename E:\workspace\yoloTestData\result.mp4 pause
文件路徑根據自己的需要更改！
參考了以下博客：