声明：本文仅分享技术，无其他

文章目录

***声明：本文仅分享技术，无其他***
这个框架真的非常非常非常小众，入坑需谨慎
DarkNet对编译环境有要求
配置前的准备环节
1、 DarkNet源码封装（安装包如果失效了，评论踢一下，博主重新发）
- （1）安装vs2017
- （2）安装OpenCV
- （3）安装pthread
- （4）下载DarkNet项目
2、配置vs2017环境
3、搭建训练数据集和网络等配置文件
小结

这个框架真的非常非常非常小众，入坑需谨慎

当前主流的深度学习框架为torch、tf，如果是入门深度学习的话，建议选择这两个框架，darknet框架是YOLO时基于c制作的框架，量极小，可编译性强，但是对于新手和非科班出身的友友们十分不友好。

DarkNet对编译环境有要求

首先，DarkNet并不是工业环境设计的，所以工业上常用的vs2013和高版本的opencv并不能直接对DarkNet的sln进行编译，需要十分复杂的源码编译过程后才能适应DarkNet框架，如果非工业环境，博主建议大家选择vs2015以上的版本进行打包，opencv选择3.4.1最好。

配置前的准备环节

配置过程整体分为两部分，首先是通过vs将DarkNet源码封装成exe；然后是在DarkNet X64环境下搭建训练数据集和网络等配置文件。

1、 DarkNet源码封装（安装包如果失效了，评论踢一下，博主重新发）

（1）安装vs2017

网上有很多教大家如何在线配置vs2017的，但是，正常人谁用DarkNet框架，用的大都是苦逼的打工人来做竞品对比，这里博主给大家直接开个骚操作——离线安装vs2017，友友们解压第一个压缩包后找到setup就可以离线安装啦。

离线包：https://pan.baidu.com/s/1v-eqN01LdZ_rceW1dhQUEQ 验证码：jodv

（2）安装OpenCV

OpenCV的网站国内太慢了，因此这个的离线包也分享个大家。安装好后大家记得配置opencv的地址，写14的那个就可以。

离线包：https://pan.baidu.com/s/1rKvl_3xQ5bDGBTAHxhv8Qg 验证码：zq5d

（3）安装pthread

这可能是友友们要踩的第一个坑，在封装DarkNet框架时，需要整一下pthread，才能成功封装，当然，都是哥们的，这个也得给大家分享一哈。下载好后，放到一个你可能记住的位置，后面配置需要它的路径。看到这里不给博主点个赞，嘿嘿！

离线包：https://pan.baidu.com/s/1ZdzSPOIDIJRAAeFQi388Eg 验证码：jn4c

（4）下载DarkNet项目

这里大家可以去github上下，也可以直接下载博主的这个，都是一样的。

离线包：https://pan.baidu.com/s/1-HeFa2-ltz-iVvu2FKLjvg 验证码：l04d

2、配置vs2017环境

到这，我们需要的准备工作就完成了，现在需要在vs上配置exe，在配置前，还需要把pthread和OpenCV放进来，我们以CPU训练环境为例，具体操作如下。
1、我们先通过vs打开解决方案（darknet_no_gpu.sln），文件路径如下所示。模式调整为Release（X64）
在这里插入图片描述
2、打开darknet_no_gpu属性页（这个大家根据自己的opencv路径改一下就可以）

（1）在VC++目录写入

包含目录：E:\opencv\build\include
库目录：E:\opencv\build\x64\vc14\lib

（2）在链接器——输入写入

pthreadVC2.lib

3、修改data.c
DarkNet中src源码data.c定义读取分类label的机制存在歧义，这点大家可以参考这篇
具体来说需要修改两处函数其实，fill_truth和fill_truth_smooth
大家找到后替换为下面代码

void fill_truth(char *path, char **labels, int k, float *truth)
{
    int i;
    memset(truth, 0, k*sizeof(float));
    int count = 0;
	char new_label[7];
    for(i = 0; i < k; ++i){
		memset(new_label,0,sizeof(new_label));
		strcpy(new_label,"\\");
		strcat(new_label,labels[i]);
		strcat(new_label,"\\");
        printf("!!!!!!___________%d : %s", i,new_label);
        if(strstr(path, new_label)){
            truth[i] = 1;
            ++count;
        }
    }
    if (count != 1) {
        printf("Too many or too few labels: %d, %s\n", count, path);
        count = 0;
        for (i = 0; i < k; ++i) {
            if (strstr(path, labels[i])) {
                printf("\t label %d: %s  \n", count, labels[i]);
                count++;
            }
        }
    }
}

void fill_truth_smooth(char *path, char **labels, int k, float *truth, float label_smooth_eps)
{
    int i;
    memset(truth, 0, k * sizeof(float));
    int count = 0;
    char new_label[7];
    for (i = 0; i < k; ++i) {
        memset(new_label, 0, sizeof(new_label));
        strcpy(new_label, "\\");
        strcat(new_label, labels[i]);
        strcat(new_label, "\\");
        if (strstr(path, new_label)) {
            truth[i] = (1 - label_smooth_eps);
            ++count;
        }
        else {
            truth[i] = label_smooth_eps / (k - 1);
        }
    }
    if (count != 1) {
        printf("Too many or too few labels: %d, %s\n", count, path);
        count = 0;
        for (i = 0; i < k; ++i) {
            if (strstr(path, labels[i])) {
                printf("\t label %d: %s  \n", count, labels[i]);
                count++;
            }
        }
    }
}

4、生成exe
配置完环境后，我们就可以右键——生成，在这个过程会产生很多的warning，这都不是事，只要不error就可以，计算机第一定律：代码和人，有一个能跑就行。
在这里插入图片描述
4、测试
下面，我们用框架中自带的数据来验证下配置是否成功，案例用的是一个检测修狗狗的yolo检测，这里大家下载一下yolo的预训练权重。