Ubuntu18.04下复现YOLOv4（YOLOv3亦可）

承接上文，复现一下Alexey Bochkovskiy的YOLOv4，本文先从环境配置开始，最后实现一帧图像的检测，如何训练自己的数据不在本文讨论范围（可能是下一篇），这里不得不佩服AB大佬，GitHub点开全是干货，无论是windows下还是linux下，操作流程非常详细，而且如果你之前已经成功复现了YOLOv3那么只需要改动一点参数就能使用YOLOv4，对接完美简直不要太方便。

项目地址：https://github.com/AlexeyAB/darknet

环境准备：Ubuntu18.04      1050TI     Anaconda（非必需）

Step1：github下载项目

可以直接github网页下载，也可以git命令下载，文件夹改名为darknet放在/home下

Step2：环境配置

看一下作者给出的配置要求，相比起很多代码，这个requirements其实只需要最基本的cuda、cudnn就行，opencv都不是必须要安装的（opencv是个坑，大坑。。。。）

需要强调的是，企图在anaconda虚拟环境用conda install来装cudatoolkit和cudnn是不成功的，必须本地编译安装CUDA和cuDNN才能成功。

简单说一下，gcc不用管，cmake、cuda、cudnn是需要安装的，opencv看情况，不装的话检测结果会以jpg文件的形式保存

那么，只要CUDA和c