配置环境：联想笔记本 win10 VS2019 显卡Nvidia MX250
1. 安装OpenCV，我安装的是3.4.9，网上教程很多
2. 安装CUDA，我选择的是10.2，根据显卡型号选择，没什么特殊要求就选最新的。安装方法和普通软件一样
3. 下载cudnn，需要注册一下，选择和CUDA相对应的版本，cudnn下载之后把对应文件夹的文件直接放入CUDA的对应文件夹就可以了
4. 下载darknet，解压（后文中的“..”为解压的目录）
5. 下载权值文件，我使用的是COCO数据集训练的结果 【chmq】，放在..\darknet-master\build\darknet\x64中
可以使用CPU和GPU运行，CPU版本不需要装CUDA和cudnn，但是我的电脑实测GPU运行速度是CPU的十倍以上，有独立显卡的尽量使用GPU版本，本方法使用GPU
6. 用文本编辑器打开打开../darknet-master/build/darknet/darknet.vcxproj，查找将CUDA的版本改为当前版本，如: CUDA 10.2
7. 打开darknet.sln，会弹出以下界面，不要更改，点击确定，如果改了VS可能找不到工具集
然后修改当前解决方案设置 为release x64
8. 在属性管理器中右键release x64，属性，类似配置opencv的方法添加
VC++目录——包含目录
VC++目录——库目录
链接器——输入——附加依赖项
9. 生成
成功后会生成一个darknet.exe在..\darknet-master\build\darknet\x64文件夹中
然后选择复制..\opencv\build\x64\vc14\bin中的opencv_world340.dll和opencv_ffmpeg340_64.dll和opencv_world340d.dll这些文件放到..\darknet-master\build\darknet\x64文件夹中
10. 运行
打开CMD，切换到..\darknet-master\build\darknet\x64目录
darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights dog.jpg
为了方便测试，可以写个批处理文件来运行，下面展示我写的几个文件作为参考
识别图片：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.jpg pause
识别摄像头：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weights pause
识别视频：
E: cd E:\workspace\darknet-master\build\darknet\x64 darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.mp4 -thresh 0.25 -out_filename E:\workspace\yoloTestData\result.mp4 pause
文件路径根据自己的需要更改！
参考了以下博客：