windows7+VS2017+GPU+OpenCV3.4 編譯YOLO_v4

隨着AlexAB大神將YOLO繼續發揚光大到V4之後，一大波yolo粉狂歡了一陣，但是對於初學者想用卻遇到了麻煩，因爲環境配置永遠是頭疼的。

1. 準備工作
   VS2017
   OpenCV3.4
   CUDA10.1（+cudnn）其他版本亦可，取決於你顯卡的配置，我的是Titan Xp
   darknet 源碼（https://github.com/AlexeyAB/darknet）
2. 配置環境
   2.1 創建VS2017工程
   選擇NVIDIA
   2.2 配置文件
   將下載解壓後的源碼中的以下幾個文件夾拷貝到新建工程下：3rdparty、cfg、data、include、src。model爲自己建立的，放權重文件yolo-v4.weights。
   
   在工程下建立三個文件夾c、h、cu，從src中分別添加c文件、h文件、cu文件
   
   2.3 配置屬性
   選擇x64-Release
   包含目錄中添加：
   \3rdparty\pthreads\include;
   \3rdparty\stb\include
   \include
   \opencv\build\include;
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
   庫目錄中添加：
   \3rdparty\pthreads\lib
   \opencv\build\x64\vc15\lib
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
   C/C++ 預處理定義中添加：
   WIN32;WIN64;NDEBUG;_CONSOLE;_LIB;OPENCV;CUDNN_HALF;CUDNN;_TIMESPEC_DEFINED;_SCL_SECURE_NO_WARNINGS;_CRT_SECURE_NO_WARNINGS;_CRT_RAND_S;GPU
   
   CUDA device中修改算力：根據顯卡配置
   compute_30,sm_30;compute_75,sm_75
   
   之後鏈接器中添加上相應的LIB文件。
3. 編譯
   基本上按上面的步驟，編譯應該可以成功生成。
4. 測試
   
5. CPU配置
   除了不用添加cu文件外，其餘步驟一樣。
   CPU速度7s,GPU執行 30ms，這就是差距！

如果編譯過程遇到問題，歡迎私信。