繼上次在windows上建置AlexeyAB Darknet 已經是兩年前了，隨這最近YOLOV7釋出，看到AlexeyAB也更新到最新版本，最近也手癢來重新建置，拜讀一下台灣之光 王博士 的YOLOV7，網路上比較多YOLO教學較多是base在Linux系統上，在windows上 利用Visual Studio 安裝幾經波折，以下紀錄。

windows : Win10
GPU : GeForce GTX 950M & GeForce GTX 1050Ti
CUDA : CUDA 11.8
cudnn : 8.6
YOLO : Darknet AlexeyAB fork github

下載/安裝OpenCV

https://sourceforge.net/projects/opencvlibrary/files/opencv-win/
直接選擇最新的安裝，安裝基本上就無腦下一步
紀錄安裝路徑e.g : D:\opencv

下載Darknet

從AlexeyAB 的Github下載Darknet ZIP https://github.com/AlexeyAB/darknet
解壓縮

利用VS 2022 編譯

進入build\darknet 資料夾

接下來分兩個部分，依據有沒有要使用GPU來決定要編譯兩個檔案
使用GPU → darknet.sln & yolo_cpp_dll.sln
不使用GPU → darknet_no_gpu.sln & yolo_cpp_dll_no_gpu.sln
以下以使用GPU作為安裝範例，如不使用GPU跳過CUDA相關設定即可以。

利用Visual studio 2022開啟darknet.sln。
在方案總管darknet上按右鍵，選擇property(屬性)。

將Configuration選擇Release，Platform選擇x64。

VC++ Directories → Include Directories(Include 目錄) → 依據opencv安裝位置設定路徑
須設定

• build/include
• build/include/opencv2
  此處為
• D:\PyData\opencv\build\include
• D:\PyData\opencv\build\include\opencv2
  

VC++ Directories → Library Directories(程式庫目錄)→ 依據opencv安裝位置設定路徑

• VS 2015/2017 需使用vc14/lib
• VS 2019/2022 需使用vc15/lib
• 此處為 D:\PyData\opencv\build\x64\vc15\lib
  

Linker (連結器)→ Input(輸入) → Additional Dependencies(其他相依性) → 加入opencv_world340.lib

• 檢查opencv\build\x64\vc15\libopencv_worldXXX.lib，隨安裝版本不同，可能為不同數字，此處為libopencv_world340.lib
  

============↓ GPU 設定 ↓============
注意 : 不同版本darknet 所需求之CUDA/Cudnn 版本不同，需要安裝對應版本

此處使用版本

• CUDA : 11.8
• cudnn : 8.6
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
• C:\Program Files\NVIDIA GPU Computing Toolkit\cudnn-windows-x86_64-8.6.0.163_cuda11-archive

將cudnn的三個資料夾bin、include、lib中的檔案(全數檔案)
複製到cuda的安裝目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 相應的資料夾內

• cudnn\cuda\bin* → CUDA\v11.8\bin*
• cudnn\cuda\include* → CUDA\v11.8\include*
• cudnn\cuda\lib\x64* → CUDA\v11.8\lib\x64*

CUDA C/C++ → CUDA Toolkit Custom Dir → 依據CUDA安裝位置設定路徑

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
  

============↑ GPU 設定 ↑============

在按下Visual Studio 2022 的Debugger 進行編譯

如果編譯成功，就會在x64資料夾下多一個darknet.exe檔案

讓python 程式調用

利用Visual studio yolo_cpp_dll.sln。再次執行上述步驟編譯。← 生成DLL檔案，可以讓pyhton呼叫使用。
如果編譯成功，就會在x64資料夾下多一個yolo_cpp_dll.dll檔案

• 編譯到最後出現以下畫面即是成功。
  
  在編譯yolo_cpp_dll到最後會出現以下警告視窗是正常的，不要慌張。
  

缺少相依dll

完成後進行簡單測試(測試方法如下)，顯示缺少了幾個dll，

• zlibwapi.dll

缺少的dll可以到 Nvidia doc 下載,解壓縮後將zlibwapi.dll丟到darknet.exe相同資料夾

• opencv_world430.dll
  至對應的opencv lib 複製，此處為D:\PyData\opencv\build\x64\vc15\lib

測試Darknet

下載weight檔，依相應的需求到AlexeyAB Github 上下載weight檔案。
在這邊我會習慣建立一個'weights'資料夾，將所有weight檔案放在這個資料夾，方便後續管理。

開啟Terminal 進入x64資料夾，就可以測試簡單範例。
.\darknet.exe detect .\cfg\yolov3-tiny.cfg .\weights\yolov3-tiny.weights .\data\dog.jpg
.\darknet.exe detect .\cfg\yolov3.cfg .\weights\yolov3.weights .\data\dog.jpg
.\darknet.exe detect .\cfg\yolov4.cfg .\weights\yolov4.weights .\data\dog.jpg

如果想要使用自己的.data檔
.\darknet.exe detector test .\obj.data .\yolov3-tiny.cfg .\weights\yolov3-tiny.weights .\data\dog.png

想要針對Video測試也可以
./darknet detector demo cfg/coco.data cfg/yolov3.cfg weights/yolov3.weights .\data\mission-impossible-fallout-2018-official-trailer-paramount-pictures.mp4

使用python呼叫yolo_cpp_dll.dll使用時，須將以下的dll放入同一個資料夾。(詳後補

training指令
.\darknet.exe detector train .\obj.data .\yolov3-tiny.cfg
\