软件
产品
##YOLOv4环境搭建和运行测试
在上一文中我们对简单历程进行了测试而Darknet是一个轻型的深度学习和训练框架，从这一点上，它和tensorflow以及pytorch这种没有什么不同，特点在轻型二字，它主要对卷集神经网络进行了底层实现，并且主要用于YOLO的 目标检测 ，接下来我们需要搭建环境进行自主测试yolov4模型。**
相信不少小伙伴都已经发现了一个问题，那就是安装好环境之后发现允许yolov4的文件时，会出现darknet测试视频出现video-stream stopped Video isn’t exist or has wrong path. 真的可能是路径错了,视频文件的路径错了！！！！！！（巨坑）
而且在系统界面时opencv后面是，cuda：no 今天给大家解决这个疑惑，这个问题说明你的系统原生opencv不支持cuda，因此需要我们自己将其卸载并且重新安装编译opencv环境！（必须谨慎！！！）
参考连接：https://blog.csdn.net/weixin_45306341/article/details/127926178
按这篇文章的流程和下载方式还是不够的**（无恶意）**，只能说明在我自己编译时出现了问题，由于这个make j8时间较长（2-3小时左右）然后仍不成功，很容易击溃人的自信，因此我为大家有推荐了一篇文章，大家结合着来看
话接上文，在我自认为我编译过后就成功下载了opencv后即可运行yolov4文件，错！！！！！
出现了一个很头痛的问题：解决error while loading shared libraries: libXXX.so.X: cannot open shared object file: No such file
这个问题困扰我几个小时，在csdn中的方法都是寻找缺失文件并复制，这些方法都是不正确的！！！！
只需要一行指令即可消失此错误。
sudo apt-get install libopencv-dev
避免大家走弯路而失去信心详情请看这篇文章
处理好我们系统的OPENCV之后我们可以开始对yolov4进行测试了。
下载包和模型：
YOLO官方网址：https://pjreddie.com/darknet/yolo/
YOLOv4项目地址：https://github.com/AlexeyAB/darknet
下载darknet：
git clone https://github.com/AlexeyAB/darknet.git
修改Makefile文件：
cd darknet
gedit Makefile
GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
修改完Makefile之后，执行命令(在darket目录下)：
make
下载 yolov4.weights 权重文件(在darket目录下)：这里参考大佬链接
wget https://pjreddie.com/media/files/yolov4.weights
或者
链接：https://pan.baidu.com/s/16T8s4-SsjWuZSiS_J5TmHA
提取码：6666
修改Makefile以下几项：
GPU=1
CUDNN=1
CUDN_HALF=1
OPENCV=1
LIBSO=1
NVCC=/usr/local/cuda-10.2/bin/nvcc
在darknet-master文件夹下打开终端命令行，对进行编译 make，完成后就可以进行下面的测试了。
对图像进行检测：
./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/horses.jpg
检测结果：图片效果十分不错！
对视频进行检测：
./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights data/123.mp4
一定要注意路径问题阿！！！！不然仍会报错！！！
这是我检测的视频结果，还算满意（因为证明环境和opencv编译成功哦了）
对摄像头采集的数据进行检测：
./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights
# 或 ./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights /dev/video2 # 加入了摄像头参数
video后面的数字是根据自己的设备来的，0或1或2，挨个试一试
检测结果：
换用yolov4-tiny进行测试
./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights
# 或 ./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights /dev/video2
加入了摄像头参数
换用yolo-tiny后，输入为1920x1080时帧率几乎不变还是2.5fps，这部分我目前还挺好奇的。加入摄像头操参数后，输入为640x480后，帧率为30fps（可能受摄像头帧率的影响）
至此对yolov4的模型调试完毕，均可正常使用。
最后我想给一些初学者一点小tips：
学习的过程就是发现错误的一个过程，如果没有问题，不去解决，岂不是永远一劳永逸，发现问题的同时也不要专牛角尖，换一种思路想一想，换一种方法试一试，也许答案就出来了！！多种方法结合最后提炼属于自己的id！
目标在下一篇文章里介绍其他更新的模型在 NX 环境中，搭建环境，并给大家解决问题，如果大多小伙伴喜欢此系列的欢迎点赞收藏哦！
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删
技术文档
推荐好文
155-2731-8020
