一、版本关系确定
首先需要根据YOLOv4给出的软件版本的大致范围：
1、驱动
通常情况下Windows下的NVIDIA驱动是默认已经安装好的，如果你尚未安装，通过软件“GeForce Experience”进行安装。
2、CUDA
快捷键"WIN+R"调出运行窗口，输入cmd后回车，在弹出的窗口中输入nvidia-smi，查看驱动的版本：
此处驱动版本为452.56，其后并有附带的CUDA版本11.0。同时也可以在>此处<的对照表进行CUDA版本的确定。
然后在>CUDA库<中找到11.0版本的驱动，然后按下述规则进行下载链接的获取：
3、cuDNN
然后根据CUDA的版本确定cuDNN的版本，如下图所示，每个cuDNN都有其所对应的CUDA版本。>cuDNN库<
11.0的CUDA对应着8.0.5的cuDNN，选择对应链接进入详情描述，然后选择windows版本的即可。
4、OpenCV、CMake和VS
这两个版本依照YOLOv4给出的大致范围，随便选取就可以。
二、下载
将获取到的链接使用迅雷进行下载，可获得满宽带的下载速度！
三、安装
1、CUDA
CUDA在安装之后需要重启一下，环境才会生效。生效后可以使用命令：nvcc -V进行查看，结果如下图：
2、cuDNN
cuDNN实际上就是一个库，需要将其复制到CUDA的安装目录下：
3、OpenCV
Windows版本的OpenCV安装，实际就是内容的提取。>OpenCV库<
安装之后，记得手动添加环境变量。
4、其他
其他无特别需要注意的。
四、编译
按下图设置yolov4源码的位置，和build的位置：
然后点击Configure，之后按照下图进行设置，其中ENABLE_CUDNN_HALF按需设置：
然后在此点击Configure进行配置，待其配置完成之后，点击Generate进行生成。
待其Generate done之后，进入设置build目录，选中*.sln，用VS进行打开，之后按下图选项进行编译。
五、使用
编译完成之后将源码目录下的data文件夹、cfg文件夹和3rdparty\pthreads\bin\pthreadVC2.dll拷贝到Release目录下。同时将下载到的权重文件也放到Release文件夹下：
视频检测命令：
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights 001.avi -i 0 -thresh 0.25图片检测命令：
darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg -thresh 0.25
调起摄像头：
darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 0参考
1.https://github.com/AlexeyAB/darknet
2.https://blog.csdn.net/weixin_40841247/article/details/105742022