锐客网

  1. 首页 > 睿知 > it技术 > >

YOLO-V4|yolov4 darknet编译和训练自己的数据集

深度学习YOLO-V4

hello，大家好！我是coding老马，大海捞针，从未失手！今天应团长要求，讲解一下yolov4的编译和训练知识。

科目：yolov4 darknet知识讲解
内容：yolov4darknet的编译，完成darknet的编译并进行图片测试
目的：通过本次知识的讲解，使同学们掌握yolov4 darknet的编译，进入yolov4目标检测的大门，为以后的实际应用打下坚实基础
时间：15分钟
地点：csdn------>大海捞针的老马训练场
方法：理论讲解，实际操作，视频讲解学习（博客最下方）
要求：
1.认真阅读理论讲解
2.参照讲解步骤，加强实践操作
3.理论+实践，注意总结分享，让更多的小伙伴掌握此知识
以上要求，希望同学们可以做到！

前言：不喜欢文字的小伙伴可以直接看视频，转载B站链接https://www.bilibili.com/video/BV1HZ4y1s7YF

1.模型链接地址yolov4 darknet 模型下载链接
这里推荐使用 git 下载（也可直接从Code 处Download Zip 下载），多掌握一门手艺总没错。
先看要求：
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

这是软件安装要求，一定要按要求来，不然，出了问题，哭都来不及。（第一次未按要求，废了好大劲，最后只能CPU来运行）
博主台式机配置：显卡配置：
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

博主最终软件安装版
Cmake---3.17.2
opencv---3.4.7
visual studio---2017
CUDA---10.0
cudnn---v7.6.4 (10.0)
git--- 2.26.2

2.实战安装
（1）Cmake正常安装
（2） vs2017( 在 CUDA，cudnn之前安装，因为CUDA安装会搜寻已安装的 vs ,进行部分组件安装。 vs2019尝试，失败 )
（3） opencv（此处3.4.7版本，因为有其它依赖 3.4.7版本的opencv程序要运行）
在系统环境变量中添加OpenCV_DIR
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build改成你自己的 build 的路径
配置 opencv 环境，（属性管理器）
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\include\opencv2
E:\pack_installer\opencv_pack\opencv-3.4.7\opencv\build\x64\vc15\lib
opencv_world347.lib（ release 版本）
opencv_world347d.lib（debug 版本）
cudnn.lib(注意添加，配置cudnn的时候，有讲到配置 vs 这一点)
不熟悉opencv环境配置的可以上网搜一下，这里暂时不细讲（后期新博客不补上）
4.CUDA >=10.0(nvidia 控制面板 显示10.1，此处安装 10.0版本，默认安装就行)
注意添加环境变量CUDA_PATH（应该是自动添加的，注意查看）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
5.cudnn>=7.0
解压---->复制其中内容到安装CUDA的指定目录下，主要是下面三个文件
xxx /... cuda/bin/cudnn.dll--->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin文件夹下
xxx /...cuda/include/cudnn.h --->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include文件夹下
xxx /...cuda/lib/x64/cudnn.lib--->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\ lib\x64文件夹下
6.把cudnn.lib加入到 vs2017中，即第三步的配置 把cudnn.lib和 opencv_world347.lib 放一块（官网上提到了这一点，可自行尝试）
7.打开Cmake -gui 进行编译，
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

第 8 部会打开vs2017，修改成 releasex64 ,点击生成 --->生成解决方案，等待编译即可，成功之后，
会在该 darknet （称为主darknet目录，bulid目录下还有一个darknet，称为次darknet目录）目录下生成一个Release文件夹，
打开并复制其中的darknet.exe文件到 build /darknet /x64目录下
下载 olov4.weights 和 yolov4.conv.137 到 build /darknet /x64目录下。
可以开始测试了
YOLO-V4|yolov4 darknet编译和训练自己的数据集
文章图片

1.打开 cmd 窗口，输入指令darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25回车
2.然后根据提示输入dog.jpg回车，即可看到预测结果图转载B站视频地址链接https://www.bilibili.com/video/BV1HZ4y1s7YF
至此，编译成功。接下来制作自己的数据集进行训练和测试。









【YOLO-V4|yolov4 darknet编译和训练自己的数据集】

    推荐阅读


    上一篇：模型转换|【yolov4-tiny】一、darknet-＞caffe

    下一篇：深度学习算法相关|darknet编译测试yolov4