Tensorflow2.*环境 YOLOV4代码_yolov4和tensorflow2.17兼容吗-优快云博客

本文链接：https://blog.youkuaiyun.com/Forrest97/article/details/106956793

本文详细介绍在Windows10系统中使用TensorFlow2.0.0及2.1.0环境下搭建YOLOv4的目标检测环境。通过从GitHub克隆项目，安装所需依赖包，下载权重文件，并修改代码中的参数设置，实现图像和视频的目标检测。此外，还提供了训练模型的额外资源链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

亲测window10系统Tensorflow2.0.0、 2.1.0、 2.1.0环境 YOLOV4代码，十分好用。
从GitHub链接，clone到本地后

安装两个程序包

pip install tensorflow_addons==0.9.1
pip install easydict

下载权重文件

下载yolov4.weights文件，并放到./data/yolov4.weights目录下

链接：https://pan.baidu.com/s/1B_4GU5TtLsOhOlNKFHVx0g
提取码：pmks

预测

预测图像，运行detect.py，将flags.DEFINE_string(‘image’, ‘./data/kite.jpg’, ‘path to input image’)更改为需要预测的图像数据即可

flags.DEFINE_string('framework', 'tf', '(tf, tflite')
flags.DEFINE_string('weights', './data/yolov4.weights',
                    'path to weights file')
flags.DEFINE_integer('size', 608, 'resize images to')
flags.DEFINE_boolean('tiny', False, 'yolo or yolo-tiny')
flags.DEFINE_string('model', 'yolov4', 'yolov3 or yolov4')
flags.DEFINE_string('image', './data/kite.jpg', 'path to input image')
flags.DEFINE_string('output', 'result.png', 'path to output image')

预测视频，运行detectvideo.py，将flags.DEFINE_string(‘video’, ‘./data/road.avi’, ‘path to input video’)flags.DEFINE_string(‘video’, ‘./data/road.avi’, ‘path to input video’)更改为需要预测的视频数据即可

flags.DEFINE_string('framework', 'tf', '(tf, tflite')
flags.DEFINE_string('weights', './data/yolov4.weights',
                    'path to weights file')
flags.DEFINE_integer('size', 608, 'resize images to')
flags.DEFINE_boolean('tiny', False, 'yolo or yolo-tiny')
flags.DEFINE_string('model', 'yolov4', 'yolov3 or yolov4')
flags.DEFINE_string('video', './data/road.avi', 'path to input video')