编译环境

1. Visual Studio 2019
2. Nvida device driver 430.64
3. Cuda 10.1
4. Cudnn 7.6
5. Cmake 3.15
6. Opencv4.1.0

step one：源码下载

首先克隆darknet的源码
git clone https://github.com/AlexeyAB/darknet.git

step two：cmake编译

1.打开cmake-gui，界面如下

设置环境为Visual Studio 16 2019，目标平台为x64，点击finish

2.第一次configure后，界面出现潮红色，下面说明如何设置，github上面也有给出参考配置

请主要按照我的说明来配置，github上面太过于简略
下面每幅图对应每个group

group one

关于为什么要enable opencv（官网解释）
（由于需要做数据增强 Mosaic augmentation和提高数据增强速度）

group two（只列出需要注意的部分）

group three

group 4

group 5

group6

其余按照默认的，第一次改好后再次点击configure

3.然后点击generate，顺利生成了vs2019的sln文件

step three:编译Darknet

1.用vs2019打开Darknet.sln，并点击批生成

2.第一次编译就出错了

3.这里提示错误代码为 C1041,无法打开vc142.pdb
错误原因显然是由于开了并行编译造成的，因此解决方式如下

只允许它一个个编译

4.重新清理项目后编译

5.然后进行install

6.查看

7.记得加上opencv的dll和pthread的dll加到darknet.exe/dark.dll同级目录

接下来就对编译好的进行测试确保编译完全正确

step four:测试1：train with coco

参见官方链接
https://github.com/AlexeyAB/darknet/wiki/Train-Detector-on-MS-COCO-(trainvalno5k-2014)-dataset

这里需要下载主干网络darknet53的一个预训练模型
csdarknet53-omega.conv.105

https://drive.google.com/open?id=18jCwaL4SJ-jOvXrZNGHJ5yz44g9zi8Hm
谷歌网盘上面的，so，科学上网吧

先利用darknet将上述预训练出的骨干网络前105层参数存为
csdarknet53-omega.conv.105（参见官方代码）

然后加载预训练模型，加载coco数据集训练
这里是训练过程

同时和前面3版本yolo一样弹出相应的loss曲线可视化

step five: 测试2：test with img&video

同样参考https://github.com/AlexeyAB/darknet/wiki/Train-Detector-on-MS-COCO-(trainvalno5k-2014)-dataset

这里既可以用step four自己训练出的模型，也可以直接先用作者发布的预训练模型跑下试试，我选用的是作者发布的训练模型，在谷歌云盘，so，科学上网吧
https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT

1.测试1：图片
输入指令后运行就预测出来了，结果图如下，confidence还是非常高

2.测试2：视频
同样按照官网输入命令
测试一个1分种左右mp4

下图为控制台输出截图

下图为实时输出的可视化demo

结论

这只是一个简单的安装和测试过程，后续接着深入庖丁解牛：
（1）着重结合论文分析其算法以及对应源码
（2）移植到其它框架并加速