0 背景
原先是在ubuntu16.04下运行的GPU下的darknet版的yolo网络，最近由于需要制作GUI界面，加之之前看到过windows下也可以编译，因此切换到windows下。
1 CPU版的编程
1.1 生成darknet.exe
网上win下的编译教程很多，如：【Win10+VS2015安装配置YOLO3（CPU/GPU)】和【Windows10+YOLOV3+VisualStudio2017最新版本超详细过程】等，其中第二篇博客也列出了一些error的解决办法。
编译过程也很顺利，打开darknet.sln，切换到Release+x64模式下，点击项目右键"生成"，编译成功后，在x64文件夹下生成了darknet.exe后，便可以在x64目录下创建darkent_no_gpu.cmd,写入“darknet.exe detector test voc.data yolo.cfg yolo.weights”，双击打开该文件，自动弹出命令行，相当于在命令行下调用
darknet.exe detector test voc.data yolo.cfg yolo.weights
运行算法,当提示输入图片路径时，输入待识别的图片路径名，对图片进行识别了。
一开始考虑采用MATLAB制作GUI，采用system(cmd)语句，事先将需要在命令行中运行的语句赋值给cmd:
cmd = 'darknet.exe detector test voc.data yolo.cfg yolo.weights';
system(cmd);
但是这样就会占用matlab的命令输出窗口作为命令行的显示，无法进行交互，无法在处理完一张图像后接着输入另一幅图像的路径，只能一次处理一副图像，然后重新调用模型进行识别：
%// 处理十张图片
for i = 1:10
cmd = ['darknet.exe detector test voc.data yolo.cfg yolo.weights figures/' num2str(i) '.jpg'];
system(cmd);
end
于是转到vs工程。
1.2 生成yolo_cpp_dll_no_gpu.dll
方法类似于darknet的步骤，只是变成了编译yolo_cpp_dll_no_gpu.sln。编译完成后，即可在x64文件夹下生成yolo_cpp_dll_no_gpu.dll。
参考【VS2015图形界面YOLO3应用程序】即可创建调用该dll的界面程序。需要注意的是调用dll的工程与生成dll的工程配置需一致，如均为debug、x64，或者均为release、x64。
但是调用时间较长，大约30秒一副图像，因此考虑GPU版。
2 GPU版的编程
2.1 安装cuda和cuDnn
安装的是cuda10.2和对应的cudnn7.6，显卡1080ti安装了对应cuda10.2的【441.28-desktop-win10-64bit-international-nsd-whql-rp】
2.2 生成darknet.exe文件
修改darknet.vcxproj文件中的两处cuda版本号，打开darknet.sln文件，添加opencv的配置项，切换到Release、x64模式下，重新编译darknet.sln，在x64文件夹下便可得到生成的darknet.exe文件。
运行darknet_gpu.cmd即可打开命令行，调用模型，当提示“Enter Image Path:”时，输入相对于darknet.exe的图像路径，如net/1.jpg,可得到识别结果分数和弹出的识别结果图。
2.3 生成yolo_cpp_dll.dll
修改yolo_cpp_dll.vcxproj文件中的两处cuda版本号，打开yolo_cpp_dll.sln文件添加opencv的配置项，切换到Release、x64模式下，重新编译yolo_cpp_dll.sln，在x64文件夹下可得到生成的yolo_cpp_dll.dll文件，可用于其他工程调用。
3 踩坑的地方
3.1 CPU下编译dll文件
errror1:调用dll语句报错
一开始编译yolo_cpp_dll_no_gpu.dll时，忽略了模式的设置，在debug、x64模式下生成，因此在编写MFC界面采用release + x64模式调用dll时，在运行到调用detector语句时报错，无法正常调用dll文件。后来将MFC程序在debug + x64 模式下运行即可正常运行（opencv也要在该模式下进行配置）。
3.2GPU下安装CUDA
（1）下载安装cuda10.2+cudnn7.6
error2：cmd下运行darknet.exe报错
一开始未看显卡驱动的版本，只看到网上说cuda需要和cudnn版本一致，且官网上只看到最新版的，于是就下了【最新版的cuda10.2】，以及对应的cudnn版本【需要官网注册，一开始网络不好，一直进不去】，安装后，编译darknet.sln后能成功生成darknet.exe文件，但是运行cmd文件调用darknet.exe，报错：CUDA driver version is insufficient for CUDA runtime version。
再上网查看，发现安装的cuda、cudnn的版本以及显卡驱动版本均要匹配，匹配关系可以看【nvidia显卡，驱动以及cuda版本对应查询】，或者是【官网的Release Note 说明】。
Table 1. CUDA Toolkit and Compatible Driver Versions
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
|---|---|---|
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
桌面右键进入nvidia控制面板，点击左下角的系统信息，在显示中可以查看此时的驱动版本为：391.35，在组件中可以查看对应的cuda版本为9.1.84。
（2）下载安装cuda9.0+cudnn7.1
error3:编译darknet.sln工程生成darknet.exe报错
然后按照显卡控制提示和匹配表，上网下了cuda9.0【NVIDIA CUDA各版本下载链接（更新至2019-12-11，包含最新10.2版本）】和cudnn7.1，卸载了10.2后再安装，再修改相应的配置并编译darknet.sln时，提示errror…msb3721，已退出，返回值为1，不知道哪里出错了，可能时卸载的不够完全。
此时通过nvidia控制面板，查看到此时的驱动版本为：388.19，在组件中可以查看对应的cuda版本为9.1.83。
（3）重新安装441.28版本驱动+cuda10.2+cudnn7.6
error4:安装新版显卡驱动时版本不兼容报错
考虑到一开始cuda10.2可以正常编译，因此又下了【1080ti的显卡驱动】：”442.19-desktop-win10-64bit-international-nsd-dch-whql，可是安装时提示DHC版本不支持该windows版本，搜索一番，发现驱动也有不同版本，于是又下了一个【standard版本】：441.28-desktop-win10-64bit-international-nsd-whql-rp，未卸载cuda9.0，然后再安装cuda10.2和cudnn7.6，只是重新解压了一个工程，重新配置，然后就生成成功了，速度的确是比cpu版的要快。