yolo_v4实践（1）环境搭建

yolo是一个实时物体检测的算法，实时性以及精度都很不错，最近正好有项目用到，在这里总结一下，这一片主要记录在WIN以及UBUNTU下环境的配置，下面大部分过程两个系统中很相似，不同的地方我会提到

yolov4是目前比较新的一个版本，提升了检测性能以及可以在家用的GPU平台中进行训练，yolo官方的版本主要是在darknet框架下实现的，同时有很多大神把它写成了不同的版本，这里考虑到需要跨平台来使用，为了简化环境配置，使用pytorch版本YOLOv4

1.安装 Anaconda

首先我们需要安装anaconda，这是一个python的虚拟环境，当你需要配置不同的依赖环境又害怕相互冲突时这个就非常有用了，在WIN下安装过程很简单，记得添加到PATH路径就好，这里就不用赘述了，对于Linux，我的版本是Ubuntu16.04，下载对应版本.sh安装包后执行下列命令安装：

bash ~/Downloads/Anaconda3-5.2.0-Linux-x86_64.sh
bash ~/Downloads/Anaconda2-5.2.0-Linux-x86_64.sh

这里第一个Anaconda3对应的是python3版本，Anaconda2则是python2版本，下载的时候要注意
输入命令后一路跟着提示完成就可以了，安装完成后命令行输入conda如果找不到还要添加到系统的环境，输入下面命令

$ sudo gedit ~/.basrc
在打开文件结尾处添加
export PATH=/home/aeasringnar/anaconda3/bin:$PATH
保存退出后运行
source ~/.bashrc

至此Anaconda就安装成功了

2.安装所需环境

首先创建一个虚拟环境，名称为pytorch（可以自定义，后面一致就行）

conda create --name torch python=3.6

然后激活这个环境

conda activate torch

安装依赖项，如果安装CPU版本，建议模型的选择上选择tiny的模型，不然帧率会很低，安装命令如下：

conda install pytorch torchvision cpuonly -c pytorch

如果需要GPU版本，需要首先安装Nvidia驱动，先添加PPA源
$ sudo add-apt-repository ppa:graphics-drivers/ppa
更新软件列表
$ sudo apt-get update

查看当前可安装的驱动版本
ubuntu-drivers devices

在列出的驱动版本中选择要安装的版本使用pip方式进行安装，例如这里我安装的是440版本，可以执行命令
sudo pip install nvidia-440
或者可以直接执行udo ubuntu-drivers autoinstall自动安装推荐的版本
安装完成后我们在命令行执行
$ nvidia-smi
正确安装会有如下输出

注意这里的cuda版本下面安装cudatoolkit的时候要一致

执行下列命令安装pytorch,注意这里的cudatoolkit版本和上面一致

$ pytorch  conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch
$ pip install opencv_python

3.运行摄像头的Demo实时检测

从Github中下载这个项目，打开目录下的tool文件夹，将camera.py移到上一层目录，这里一个摄像头检测的Demo，有一处地方需要修改，在第68行，将
orig_im = plot_boxes_cv2(frame, boxes, class_names=class_names)
改为
orig_im = plot_boxes_cv2(frame, boxes[0], class_names=class_names)

项目路径新建文件夹weight,下载yolo模型文件yolov4.weights并放入，当然，配置文件路径在camera.py文件中也可以做修改自定义，在36行左右，如图所示

其中coco.names存储检测的对象名称，.cfg是检测网络的网络结构配置文件，.weights是权重文件，预训练的模型

经过上面步骤后执行命令python camera.py就可以运行啦，控制台会显示当前的fps，在我的笔记本GTX1070中可以达到10fps左右。