遇到了N多的問題終於跑出來了。末尾再說遇到的問題和解決辦法。主要參考的博客是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
安裝步驟：
1、vs2017
2、yolov4源碼
3、CMark安裝
4、cuda安裝
5、cudnn安裝
6、OpenCV安裝
7、Cmark編譯
8、VS編譯
9、圖像測試
10、測試結果
1、vs2017安裝，直接官網下載即可，C盤空間不足，裝在了D盤。實在不會呢，參考這個博客：https://blog.csdn.net/weixin_41722928/article/details/83000343
2、yolov4源碼下載，直接下載到本地，解壓使用即可。網址是： https://github.com/AlexeyAB/darknet.
3、CMake安裝：官網https://cmake.org/
進入官網下載最新的版本即可（我用的是版本3.18）。圖中紅色標注的位置，下載后一路默認安裝點下來就好。裝在D盤也行。
4、Cuda安裝
注意選擇合適的版本。需要先查看自己顯卡支持的版本，版本查詢方法是先打開NVIDIA控制面板，點擊系統信息，再點組件，比如我的顯卡支持的是10.2。
直接百度官網，下載解壓安裝就行。這個軟件主要應該是負責使用GPU的。下載網址：https://developer.nvidia.com/cuda-toolkit-archive
安裝完成后檢查是否安裝成功。
win+R 進入運行界面，輸入cmd進入命令行界面，輸入nvcc --version 查看是否安裝成功
5、
cuDNN安裝
在官網下載前需要注冊NVIDIA DEVELPOER 的賬號，比如選擇與CUDA10.2對應的版本cuDNN7.6.4，點擊library for win10文件,大概有240M左右。如下圖所示：
官網的安裝教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
其實就是將解壓后將下面幾個文件復制到CUDA的對應路徑下。
- 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.
簡便快捷的方法就是把下載好的CUDNN文件 全部復制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2中
6、
OpenCV安裝
從官網下載，版本要大於2.4
下載好直接解壓就可以,並將installpath\opencv\build\路徑添加到系統的環境變量中,
CMake編譯的時候會自動找到這個文件夾
添加環境變量如下圖所示，在此電腦右擊屬性，彈出下圖界面，點擊高級系統設置。
點擊環境變量，新建環境變量，
如果還想知道更具體的安裝方法，可參觀相關博客，主要是有一個環境變量的配置。
7、
Cmake編譯
如果你想用GPU加快檢測速度，需要將Makefile文件用記事本打開，更改GPU=1 CUDNN=1 CUDNN_HALF=1 OPENCV=1。如下圖所示：
選擇Browse Source 為源碼所在文件夾，Browse Build 可以選擇同一文件夾，點擊Configure，彈出如下界面：
如果VS是17版本，就選17版。第一項選擇你所安裝的VS版本，第二項平台選擇x64 ,點擊Finish，點擊Configure，沒有錯誤后點擊generate。
成功后點擊Open Project 打開項目文件。
8、
VS編譯
注意：選擇release版本，x64，直接生成解決方案。
將D:\github\darknet\Release文件夾下的darknet.exe文件復制
打開到D:\github\darknet\build\darknet\x64文件夾內進行粘貼，如下圖所示
將opencv …\opencv\build\x64\vc14\bin 下的兩個opencv_world330.dll和 opencv_ffmpeg330_64.dll dll文件復制到上述文件夾內。如下圖所示：
將cuDNN中的cudnn64_7.dll復制到上述文件夾。
9、
圖像測試
為了驗證是否配置成功，下載推薦的yolov4.weights文件和yolov4.，文件大概有245M，
鏈接：https://pan.baidu.com/s/1koPg1amOlqIw5bLwv4Id_Q
提取碼：1234
復制這段內容后打開百度網盤手機App，操作更方便哦
將下載后的文件放在D:\github\darknet\build\darknet\x64文件夾下。
打開cmd命令行，轉到上述的文件夾內，如下圖所示：
按照GitHub，測試圖像和視頻復制對應的命令：
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、
測試結果
-
自帶的dog圖像
也可以選擇替他圖片代替。
（2）視頻可以在網上下載，放在x64文件夾中，命名為test.mp4。就可以進行視頻識別了。
總結
整個配置不難，按照步驟來就行，第一次運行編譯CMark時，cuda找不到，只好取消勾選不用GPU，這時候圖片可以識別分類沒問題，但是視頻識別沒有用GPU就特別慢，像播放幻燈片一樣。不甘心，參考了各種博客，感覺是vs17環境變量出了問題，我是在openvc之后安裝的vs。找到原因之后，全部卸載整個環境，先安裝vs,然后重新裝了一遍環境，Cmark編譯沒有問題，可以識別出cuda。在最后運行的時候，darknet.exe出現無法正常啟動0xc00007b現象。找了好久原因，最后用DirectX修復工具增強版工具修復的。工具用的的這個https://pan.baidu.com/s/1BCpt7lzgRcONuP9IWwt0Hg提取碼：1234
最后終於可以用GPU識別視頻了，幀率還是有點低，但能看。
這是我的配置過程，大家有疑問歡迎評論區交流。