最近在課堂上學到YOLOv3的安裝與使用方法，由於老師上課時講得比較快，且我想自己實作YOLOv4模型(國產模型，要多多支持!)，所以自己整理一份從安裝到實作的筆記，方便之後可以回顧，並和大家分享。因為文章較長，我分成兩篇文章，第一篇文章是如何在Windows上安裝YOLOv4套件，第二篇則是進行YOLOv4的實作。

本篇文章主要說明如何在Windows上安裝YOLOv4套件，安裝流程主要參考YOLOv4套件作者Alexey Bochkovskiy在Github：AlexeyAB/darknet 的說明文件。

另一篇文章：YOLOv4手把手實作應用，主要說明如何用YOLOv4套件進行實作，訓練一個能夠辨識筆電、鍵盤及滑鼠三個類別的模型。

由於套件可能還會持續更新，安裝或使用方法可能會有改變，本文僅提供參考。詳細內容可直接閱讀套件作者的Github說明文件。

一、 安裝環境

本篇文章是在Win10作業系統環境下，安裝YOLOv4模型GPU版本，以下為硬體及軟體版本資訊：

  • 硬體(桌電)
    • CPU：Intel i7-8700
    • 記憶體：16 GB
    • GPU：NVIDIA RTX 2070Ti
  • 軟體
    • 作業系統：Windows 10
    • CUDA：11.1
    • cuDNN：8.0.4
    • OpenCV：4.5.1
    • Cmake：3.20.1
    • Visual Studio 2017

二、 安裝前置作業

由於套件持續更新，此處的版本僅提供參考，建議直接到套件作者的Github: AlexeyAB/darknet再確認整個安裝流程。

  • 安裝CUDA(版本>= 10.2)(建議先安裝Visual Studio 2017，再安裝CUDA)
  • 安裝cuDNN(版本>=8.0.2)(記得配合CUDA版本)
  • 安裝OpenCV(版本>=2.4)

下載Windows版本的OpenCV解壓縮後，將opencv資料夾放到電腦中某一個位置(我自己是放在C:\Users\User路徑下)，並將此路徑新增到環境變數的Path內：

# [openv資料夾放置的目錄]\opencv\build\x64\vc15\bin
C:\Users\User\opencv\build\x64\vc15\bin

以及設定環境變數值：

# [openv資料夾放置的目錄]\opencv\build
OpenCV_DIR = C:\Users\User\opencv\build

  • 安裝Cmake(版本>=3.18)

三、 安裝流程

套件作者在Github說明文件中，推薦在Windows環境使用vcpkg來進行編譯，但我個人試作時並沒有成功。後來改採另一個方法，以Cmake來編譯。

Windows版本不用像Linux要特別去設定Makefile以開啟GPU版本，Cmake會自行判斷環境變數偵測電腦是否有裝GPU及CUDA，若有安裝則會自動裝YOLOv4模型的GPU版本。

1. 下載Github專案

開啟命令提示字元:

# 切換到想要放置的目錄位置(可自行修改)
cd C:\Users\User

# 以下取自Github說明文件:
git clone https://github.com/AlexeyAB/darknet.git

2. Cmake建立編譯文件

打開Cmake-gui：

按下圖的畫面輸入相關設定，路徑設定請選擇git clone下載的資料夾：

接下來Cmake會開始檢查環境，若沒有問題，即可按下Generate：

系統提示畫面最後兩行如下，若相同則代表沒問題：

3. 開始編譯

打開darknet目錄中的Darknet.sln檔案(以VS2017開啟)：

在右側選擇ALL_BUILD，點選右鍵選擇建置：

建置完後畫面如下：

接下來在右側選擇INSTALL，點選右鍵選擇建置：

建置完後畫面如下：

上述步驟做完後，在darknet目錄中，可以看到darknet.exe，這個即為YOLOv4模型的主程式，待會會以此程式來進行訓練及預測：

4. 範例測試

為測試程式是否能夠正常運作，此處我們執行以下指令：

# 切換到darknet資料夾
cd C:\Users\User\darknet

# 複製darknet.exe檔案到子目錄
cp darknet.exe .\build\darknet\x64\

# 切換到執行程式的資料夾
cd C:\Users\User\darknet\build\darknet\x64

下載YOLOv4權重，請點選這裡下載。下載後將yolov4.weights放置到C:\Users\User\darknet\build\darknet\x64目錄內。

接著繼續執行指令，以訓練好的YOLOv4模型來預測照片：

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

如果有跑出圖片，代表YOLOv4套件安裝成功！