darknet框架(两种版本)编译与使用--yolo训练自己的数据集

yolo模型应用现在最为广泛，前段时间AB更是更新了yolov4，网上一些大神测试后反应好像都没达到期望，和EfficientNet相比好像效果一般。但yolo仍然是使用最广泛的模型之一。
而当前训练yolo的框架很多。个人觉得darknet框架比较容易上手，适合我这种小白。windows和linux都支持的，需要配置的环境不一样而已。
darknet有两种版本，一种是官方版本，但是维护力度不是很大，不过上手也挺简单的，想要下载可以直接去官方下载，教程很详细。
还有一种就是AlexeyAB版Darknet ，这个就比较强大了。
[https://github.com/AlexeyAB/darknet]
(https://github.com/AlexeyAB/darknet)
环境要求（）
window系统或者linux系统。
CMake版本高于3.8。
CUDA 10.0，cuDNN>=7.0。
OpenCV版本高于2.4。
Linux下需要GCC 或者Clang, Window下需要Visual Studio 15、17或19版。

在克隆了项目库以后，直接运行make命令，需要注意的是Makefile中有一些可选参数：
GPU=1代表编译完成后将可以使用CUDA来进行GPU加速(CUDA应该在/usr/local/cuda中)。
CUDNN=1代表通过cuDNN v5-v7进行编译，这样将可以加速使用GPU训练过程(cuDNN应该在/usr/local/cudnn中)。
CUDNN_HALF=1代表在编译的过程中是否添加Tensor Cores, 编译完成后将可以将目标检测速度提升为原来的3倍，训练网络的速度提高为原来的2倍。
OPENCV=1代表编译的过程中加入OpenCV, 目前支持的OpenCV的版本有4.x/3.x/2.4.x， 编译结束后将允许Darknet对网络摄像头的视频流或者视频文件进行目标检测。
DEBUG=1 代表是否开启YOLO的debug模式。
OPENMP=1代表编译过程将引入openmp,编译结束后将代表可以使用多核CPU对yolo进行加速。
LIBSO=1 代表编