前言：最近参加一个比赛需要用到yolo,安装过程中借鉴了网上众多的指导教程，也很感谢B站一位大佬的视频指导，所以在这里想整理一下给需要安装的yolov4的小伙伴一个借鉴，相关视频指导在文章末尾有链接来观看。
前期准备：进入GitHub找到AlexeyAB/darknet这个项目（[项目链接](https://github.com/AlexeyAB/darknet#how-to-use-on-the-command-line)），根据作者给出的安装条件安装好相应的软件，如下图。
①首先是CMake的安装，点击他给的链接即可下载，选择installer版本,一路默认安装即可：
②：接着是Cuda的安装，点击所给的链接地址进行下载，下载完成之后安装过程中选择精简安装即可。
③接着我们来安装OpenCV，我所安装的是OpenCV—4.3.0版本，安装的时候很简单，一步搞定，直接安装到指定的文件夹中。
==注意：==安装完成之后需要将OpenCV配置到环境变量中，若之前系统变量里面没有OpenCV的变量名，则新建一个，记得命名为OpenCV_DIR，如下图：
④接下来安装cuDNN，这个网站是需要注册才能下载的，然后下载的时候注意要和你所安装的cuda版本相配套
下载完cudnn的安装包解压之后是一个名叫cuda的文件夹，然后把里面的文件全部复制
然后将刚复制的文件全部粘贴到C盘的CUDA目录下，注意路径（我的是 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2），直接覆盖粘贴就好。
⑤visual studio的安装，点击链接([link](https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community))，默认的是下载visual studio 2019社区版
安装 过程中需要注意的地方：
==勾选 使用C++的桌面开发，选择这一项即可==
⑥下载安装Git，这个是项目作者所没有要求安装的，我是之前就安装好了，方便接下来可以用Git来从gitee中下载部署项目代码，进官网直接下载即可，安装过程全部默认安装即可
⑦以上我们需要的软件都安装完成啦，接下来就是代码的获取。可以直接在GitHub下载
也可以在gitee中从Github导入仓库，点击右上角的+号，选择从GitHub/Gitlab导入仓库
此时将GitHub项目的下载地址复制下来，粘贴到gitee中，直接带入即可
打开Git Bash
之后需要在命令行中新建文件夹存放代码，并启动下载（我是在C盘下新建一个文件夹github ，进去这个文件夹，然后输入git clone https://github.com/AlexeyAB/darknet.git）,下载完成之后会在C盘目录下看到刚刚新建的文件夹
接下来打开Cmake，在上面两栏填上刚刚下载好的darknet地址
然后点击左下角的Configure按钮，选择你所安装的visual studio版本号，并选择 x64
然后点击Finish按钮，经过一段时间运行，显示如下
此时再点击generate按钮（注意若不点击的话是不能Open Project的），显示如下：
接下来就可以点击Open Project啦，会自动打开visual studio，可以看到项目结构
此时需要配置管理器，点击生成按钮即可看到选项
然后选择release，x64，然后点击关闭
接下来我们生成解决方案，在生成按钮下的第一个选项
这是生成成功的界面
接下来进入C盘之前下载的代码文件里，将darknet.exe复制下来
将复制下来的exe文件粘贴到 darknet->build->x64文件夹中
接下来将 yolov4.weights文件（可以在网上自行下载，我就不贴链接啦）也粘贴进darknet->build->x64文件夹中
！！！！！
准备工作都已完成，接下来就是验证啦
进入命令行控制界面，进入C:houhoudarknetbuilddarknetx64路径，然后将选中的这样一条命令粘贴进去，然后开始运行
在我们的x64目录下项目者提供的有供测试用的图片，直接输入dog.jpg即可
运行结果：
接下来是视频检测的演示：
命令：darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights ./data/test.mp4 （其中test.mp4文件存放在C:houhoudarknetbuilddarknetx64data中的）
如果小伙伴觉得这些图文操作起来很复杂，可以观看链接中的视频来操作（视频指导）
