YOLOV4配置VS
yolov4的VS配置过程和yolov3的配置过程是大致一样的。配置就是配置opencv和CUDA。
配置软件：
VS2019
opencv3.4.10
CUDA10.1和cudnn7.6.4
1、首先安装vs2019，安装过程直接一路next，选择自己需要的模块，C++的桌面开发要选上
后面就是漫长的等待安装。
2、后面就是安装CUDA。安装CUDA的时候需要选择自己计算机显卡对应的CUDA版本。通过NVINIA控制面板可以查看。
参考文章：https://blog.csdn.net/Dontla/article/details/102367384
找到对应好的CUDA和cudnn版本后就安装。
同样也是一路next，这个时候不用想着CUDA怎么跟VS连接起来，安装后添加系统路径VS就可以联系上：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
具体安装过程参见博客：win10安装CUDA和cuDNN的正确姿势
3、最后就是安装opencv。
下载opencv的安装包解压以后就剩下配置环境路径了。
将bin文件的路径配置到系统路径里面，将include和lib文件配置到VS里面的项目属性里面去。
opencv详细的安装过程参考博客：https://blog.csdn.net/maizousidemao/article/details/81474834
到这里整个的软件配置已经完成。
现在用vs打开darknet.sln文件.这里注意看是否修改darknet.vcxproj文件，把文件里面的CUDA10.1修改为自己对应的CUDA版本，否则打不开。这里我安装的CUDA10.1不用修改就可以直接打开。
1、另外遇到的VS版本问题带来的错误的解决方法：
遇到提示 无法找到 v140 的生成工具(平台工具集 =“v140”这类问题，将这个平台工具集改成自己对应的版本。
2、遇到Window SDK版本问题，也把windows SDK的版本换成自己计算机对应的版本。
3、遇到CUDA Error: no kernel image is available for execution on the device时候一般是显卡的算力与算法默认设置的算例不匹配。我的显卡算力为3，就将75改成30.
N卡算力查看：NVIDIA GPU 运算能力列表
以上操作后，编译生成darknet,exe，后面就是训练测试数据了。