yolov4的Pytorch（cpu版）安装步骤详解，有手就能学会

我的环境

win10+anaconda（创建的python=3.6版本）+yolov4+Pytorch（cpu版）

1. 准备文件

1. pytorch-YOLOv4代码下载 https://github.com/Tianxiaomo/pytorch-YOLOv4
   上面这个是别人一直在更新的，本文中用可能会出错，因为我是之前下载的版本，你们可以下载这个，按照文中步骤应该就没问题。（9月13日上传）
   链接：https://pan.baidu.com/s/1AmCL25n6yKpABF1j7w1CFg
   提取码：w448
2. 权重（weights）模型下载
   谷歌云盘 https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
   GitHub下载https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights
   把上面的代码下载之后解压，解压之后的目录下创建一个weight的文件夹，在weight的文件夹里放上面的权重文件。整理之后如下图：
   这样子文件都准备完成了

2. 创建环境

1. anaconda创建python=3.6的虚拟环境
   进入cmd，命令 conda create -n yolov4（这个是起的名字）python=3.6

conda create -n yolov4 python=3.6

激活这个环境

activate yolov3-pytorch

还需要安装依赖，可以去官网根据自己的需要选择，https://pytorch.org/

我的命令如下

conda install pytorch torchvision cpuonly -c pytorch

我的只需要安装这一个就行的，所有的依赖包如下，我也不懂每一个都有什么意义。

(ceshi) C:\Users\Administrator\Desktop\YOLOv4\pytorch-YOLOv4-master\pytorch-YOLOv4-master>pip list
Package      Version
------------ -------------------
certifi      2020.4.5.1
mkl-fft      1.0.15
mkl-random   1.1.0
mkl-service  2.3.0
numpy        1.18.1
olefile      0.46
Pillow       7.1.2
pip          20.0.2
setuptools   46.1.3.post20200330
six          1.14.0
torch        1.5.0
torchvision  0.6.0
wheel        0.34.2
wincertstore 0.2

到这里，文件准备好了，环境搭建好了，接下来就是测试。

3. 测试

打开cmd，激活搭建的环境，在进入到你解压的文件目录下，然后用如下命令，确保每一个文件都在对应的文件夹下（yolov4.cfg在cfg文件夹下，yolov4.weights在weight文件夹下，dog.jpg在data文件夹下）

python demo.py cfg/yolov4.cfg weight/yolov4.weights data/dog.jpg

运行之后部分代码如下：

  149 conv    255  1 x 1 / 1    38 x  38 x 512   ->    38 x  38 x 255150 detection151 route  147152 conv    512  3 x 3 / 2    38 x  38 x 256   ->    19 x  19 x 512153 route  152 116154 conv    512  1 x 1 / 1    19 x  19 x1024   ->    19 x  19 x 512155 conv   1024  3 x 3 / 1    19 x  19 x 512   ->    19 x  19 x1024156 conv    512  1 x 1 / 1    19 x  19 x1024   ->    19 x  19 x 512157 conv   1024  3 x 3 / 1    19 x  19 x 512   ->    19 x  19 x1024158 conv    512  1 x 1 / 1    19 x  19 x1024   ->    19 x  19 x 512159 conv   1024  3 x 3 / 1    19 x  19 x 512   ->    19 x  19 x1024160 conv    255  1 x 1 / 1    19 x  19 x1024   ->    19 x  19 x 255161 detection
Loading weights from weight/yolov4.weights... Done!
data/dog.jpg: Predicted in 5.850648 seconds.
truck: 0.970982
dog: 0.999997
bicycle: 1.000000
save plot results to predictions.jpg

文件夹下面就多了一个图片文件，咱们可以重新命名predictions_yolov4.jpg，否则你测试另外一个图片，这个就会被覆盖。之后可以在测试另外一个图片，命令如下：

python demo.py cfg/yolov4.cfg weight/yolov4.weights data/giraffe.jpg

这样两个图片的测试就完成了。


如果你有yolov3.weights，https://pjreddie.com/media/files/yolov3.weights
把这个权重也放在weight文件夹下面，你可以在测试yolov3的效果。代码需要修改一下，就是把yolov4变成yolov3就行了，命令如下：

python demo.py cfg/yolov3.cfg weight/yolov3.weights data/dog.jpg

图片是下面的，这个没有yolov4的效果好，应该与我的程序没有修改有关系！！

4. camera.py和models.py

如果想用comera.py，需要增加一个依赖包opencv-python，命令如下：

pip install opencv-python

然后直接运行camera.py就可以，就是调用电脑的摄像头，框选图像并标注，命令是：

python camera.py

图像是：

这个电脑摄像头和精度堪忧啊。

好了，就写这么多了，感觉我这都是傻瓜式的，一步一步来的，有手就能学废，你学废了吗。。。。。学废的扣6，没学废的扣眼珠子。
至于models.py，我还没怎么看，关键是我也不太懂啊，就先不写了。

参考：https://blog.csdn.net/AliceZyxw/article/details/105307498

https://blog.csdn.net/weixin_45829462/article/details/104705937