什么是编译？

因为机器是只能做数字计算的，能够让机器去运算的，数字的语言就是机器语言。除此之外的所有计算机语言都是非机器语言。为了让机器可理解，相对于机器语言的高级语言都需要一个转换，从高级、机器不可理解，转换为机器可理解的机器语言，这样的一个转换过程就叫做编译。

目前对YOLOV4的运用，大多方式都是以指令的形式，例如darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg，这就是在cmd下用指令进行测试和训练。而我们会直接使用detector.exe，这个就是对机器来说，可以直接运行的文件。所以在此之前，需要先对YOLOV4源码进行编译。

YOLOV4源码：https://github.com/AlexeyAB/darknet

权重下载：链接：https://pan.baidu.com/s/1jFzvYybPYAQ6QCgMkbFBgA 。提取码：hmzw

编译YOLOV4两种方式，一种是使用CMake编译，一种是使用VS编译。这两种编译的本质是一样的。

本篇章涉及到的CUDA，git，CMake，VS，Opencv等，请自行安装，默认是已经搭建好所需的环境。

环境部署，请参考：https://www.bilibili.com/video/av370540815/。这个视频讲解的非常详细，也涉及到YOLOV4的编译和一些相关文件的下载，和本篇章第一种编译方式一样，是V4原作者在网页提供的编译方式。

本章环境是CMake3.16.0，Opencv3.4.10，VS2015，RTX1080Ti，CUDA10.1，NotePad++(方法二修改文件)。

安装环境参考

默认已经安装CUDA，CMake，Opencv。环境参考如下，会有些不一样

CUDA

系统变量：

环境变量：

Opencv3.4.10：

系统变量：

环境变量：

方法一：CMake编译YOLOV4

第一步，加载需要编译的文件的路径和编译后的路径。下载后的源码路径：F:\YOLOV4\C++下的darknet。

第二步，打开Cmake

第三步，CMake的Configure配置

第四步，点击Generate,下图红色框内提示rebulid，这个不影响后续的测试和训练。如有后面发现有问题，会及时更新和修改。

第五步，使用VS2015打开CMake生成的Darknet.sln。

第六步，设置Release,x64

 

第七步，使用生成解决方案。然后再darknet文件下会多出一个Release文件，里面有一个darknet.exe。

第八步，将darknet.exe复制出来，放到darknet的路径下面。在Release里面，是运行不了的。

双击darknet.exe会出现系统错误提示

第十步，缺失的.dll在darknet文件下的darknet\build\darknet\x64下面可以找到，

将这两个文件复制到darknet.exe同级目录下面即可。

测试

进入到darknet.exe所在的路径，我的是F:\YOLOV4\C++\darknet

测试需要三个文件，coco.data，yolov4.cfg，yolov4.weights(下载)，还有一张测试图片dog.jpg。

输入darknet.exe detector test cfg/coco.data yolov4.cfg weights/yolov4.weights data/dog.jpg

如果出现不能打开yolov4.cfg，在yolov4.cfg前面cfg/，对每一个文件进行绝对路径。

darknet.exe detector test cfg/coco.data cfg/yolov4.cfg weights/yolov4.weights data/dog.jpg

测试成功。

方法二：VS编译YOLOV4源码

VS编译YOLOV4，也是在源码里面进行编译，方式会有一些不一样，也是在作者源码里面提供的。

参考链接：https://blog.csdn.net/KID_yuan/article/details/88380269。

VS编译需要到源码提供的darknet路径下的bulid-darknet，最终路径F:\YOLOV4\C++\darknet\build\darknet。

第一步，需要对darknet.vcxproj进行CUDA的版本修改。本章使用的是CUDA 10.1，分别在第55行和305行进行对应的修改。

如果不对darknet.vcxproj修改，文件里面的CUDA版本和电脑CUDA版本不匹配，打开darknet.sln会出现问题。

第二步，使用VS2015打开darknet\build\darknet路径下的darknet.sln，并进行relesa和x64的选择，如图。

第三步，对VS进行Opencv项目属性配置。按照自己的Opencv路径添加。

Opencv包含目录配置

Opencv库目录配置，我的是VS2015，所以选择是vc14。

第四步，注意此时x64文件夹下>将opencv3.4.10中的两个dll文件：opencv_ffmpeg3410_64.dll和opencv_world3410.dll复制到该文件夹下，不然后面运行会报错找不到dll。并对项目属性-链接器-输入-附加依赖项，添加opencv_world3410.lib。

第五步，项目属性设置CUDA算力，GTX1080的算力是6.1，进行对应修改。不同版本，可自行搜索。（可以不用操作这一步，对最后的测试不影响。如果是训练，可以设置）

第六步，重新生成即可，会在x64路径下面生成darknet.exe。

测试

进入x64路径下面，输入darknet.exe detector test data\coco.data cfg/yolov4.cfg .\weights\yolov4.weights .\data\dog.jpg

测试成功。

方法一和方法二本质是一样的，使各个环节建立一种关系。最后都是通过VS生成得到.exe。

初次涉猎，有错误之处，欢迎指出！！！

参考链接：

https://www.bilibili.com/video/av370540815/

https://blog.csdn.net/KID_yuan/article/details/88380269