摘要
YOLOv4新鲜出炉，应该很多人都想尝试一下，但是对于小白，配置环境这一步就劝退了不少人，让我来带着你从配置环境开始，成功运行YOLOv4代码。
1 配置环境
1.1 安装VS
vs下载网址
安装的组件只需要“使用C++的桌面开发”。
我使用的是VS2017（社区），如果你安装的是其他版本应该也问题不大。
1.2 安装OPENCV
下载网站
从里面找到对对应的版本进行下载，下载完成后得到以下文件：
1.3 安装CUDA
下载地址
先进入NVDIA控制面板：
进入系统信息，查看你的显卡驱动支持的最高版本的CUDA版本，如果版本过低需要更新显卡（显卡驱动下载，找到你的显卡的型号信息下载下来安装即可）：
选择你想装的版本，我选择的是CUDA10.1：
选择适合你的操作系统进行下载：
下载完成后打开，这个位置随便选，因为安装完成后需要删除。
点击ok开始安装。
现在开始正式安装显卡驱动。
使用自定义安装方式：
选择安装内容：
下一步选择默认方式，如果安装成功就进入下一步
环境变量配置：
系统变量添加：
如果安装时出现这样的问题：
查看是因为那个文件没有安装成功，如果是因为如下内容安装失败：
在这一步时取消这一项，同时进入我们之前第一步安装的文件夹下，把这些文件复制到
安
装
v
s
的
文
件
夹
安装vs的文件夹
安装vs的文件夹\Common7\IDE\VC\VCTargets\BuildCustomizations的路径下
1.4 安装CUDNN
下载网址
这个安装的时候需要注册一个账号，而且网站有些卡
选择对应的CUDNN版本：
只需要把下载后的文件安装到当前路径，分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1对应的include、lib、bin目录下即可。
1.5 安装cmake
下载地址
点击下载即可，这个下载很慢。
下载完成后安装得到以下文件：
2代码下载
2.1 git bash安装
下载地址
下载完成后安装即可，安装时候。记得勾上如下两项即可。
2.2 下载代码
选定要下载的文件夹，右键。
git clone git://github.com/AlexeyAB/darknet.git
2.3 环境变量配置
在系统变量Path中加入你下载的darknet的位置
3 运行代码
3.3 使用cmake
对比以下内容是否相符：
CMAKE部分
CUDA部分（如果没有这部分可能是CUDA安装失败或者VS的CUDA依赖没装）
CUDNN部分（如果没有这部分可能是CUDA安装失败或者VS的CUDA依赖没装）
ENABLE部分，注意开启CUDA
3.2 编译代码
以此点击生成和打开项目。
之后会自动打开vs，这时生成文件即可。
3.3 运行代码
使用摄像头
其他代码：
识别图片(图片放到data目录下)
darknet.exe detect cfg\yolov4.cfg yolov4.weights data\xxx.jpg
打开电脑摄像头识别监控画面（需要提前开启摄像头权限）
darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights
识别视频(视频放到data目录下)
darknet.exe detector demo cfg\coco.data cfg\yolov4.cfg yolov4.weights .\data\xxx.mp4
后记
跑通代码只是第一步，第二步是用YOLOv4训练我们需要的数据。之后还需要理解算法的原理，最后如果可能再分析一下原码。如果有兴趣想了解原理的可以考虑关注一下博主，应该会在近几个月更新。