我的第一篇博客，相当于找个地方存放自己的思维火花。现在都大三了，在竞赛方面还是一事无成，实验室方面也是进展寥寥，我这个人又没有什么整理的习惯，所以以这种“开源”的方式鞭策一下自己。反正写在这里也没人知道我是谁，写的不好没人看就是了。
一些废话
师兄有一天突然发来YOLOv3在Kears框架下的GitHub项目，让我学习一下回去可能会用，结合实验室现在要搭建半物理仿真平台对GNC系统做验证这样的背景，我就不假思索的完全照做。后来才发现直接利用YOLO原生的环境darknet就行了，不对内部进行更改，只进行使用的话完全不必使用Kears-YOLOv3，这种变化很大程度上是因为darknet架构太小众，而作为Tensorflow高级语言版的Kears架构则显然有更多的可操作性。
原始准备
建议没看过官方网站和最初出处的都去追本溯源一下，YOLO作者的网站有使用教程，GitHub上kears-yolo的md文档也很清晰，作者提到的使用方式都是很简单的，建议直接复刻。但是由于深度学习框架的开发环境基本是Linux，所以在windows上自然会出现莫名其妙的很多问题，这时再到中文环境中寻求解决方案（比如看这篇文章）。
darknet和YOLO，作者网站：https://pjreddie.com/darknet/yolo/
基于kears的YOLOv3，Github项目：https://github.com/qqwweee/keras-yolo3
更新：建议有条件的阅读这个GitHub项目的md文档Windows and Linux version of Darknet Yolo v3 & v2 Neural Networks for object detection (Tensor Cores are used)
您可能出现的问题有
- make是什么命令，我怎么跑不出来？
- 显示文件无法读取，打开一看什么都没有，咋回事？
- 我该如何配置作者提到的库环境？
第一个问题在于，darknet使用C语言进行编写，而Windows显然不自带编译C语言的功能。至于Linux系统上为什么可行？因为Linux是用C写出来的啊……
所以我们需要一个在Windows平台上能进行编译的编译器，人们常说的gcc是在Linux上（实为类Unix）使用的，Windows下可使用MinGW或cygwin构建类似环境。由于我使用MinGW时依然无法编译，故推荐使用cygwin（反正经过这一次折腾，你的Windows已经是个类Unix了，以后还怕啥）。
第二个问题依然出在Windows和Linux的区别上。这是因为Windows默认的编码方式不同，造成了使用Git Bash通过命令下载的kears-yolo中文件不能被Windows打开。解决方式就是放下高逼格的Git Bash和命令，老老实实地到人家Github网页上点击下载……
第三个问题我的路子比较野，因为我最早接触python使用的是它的Anaconda发行版，所以我已经有了conda帮我进行环境管理，另外我始终坚信专业的事应该由专业的人做，所以我选用的IDE也是pycharm。在这我要吐槽一下，很多人说VScode更加轻便和美观，pycharm显得重型这样的话，我表示能理解，但是这绝对不是你不使用pycharm的理由。
在pycharm中使用快捷键ctrl+alt+s打开设置界面，在project interpreter中根据设置项“齿轮”和“加号”添加自己的新环境。需要注意的是，使用conda进行环境管理的用户需要点前面有绿色圈圈的选项。
同时我们也要注意到两者的区别，使用conda进行管理则新生成的环境（即对应版本的python核心和库们）自然是在你安装conda的文件路径下，而使用pycharm本身的环境管理则新的环境会跟随project的文件路径。
正式使用
以上，我们假设你成功安装并按照作者的要求配置了环境，那么下面我们就可以进行使用了。
在pycharm的terminal框框里面输入指令，原作者给出了使用方法，不再赘述。
至此，安装和使用环节到此结束，因为是后期整理的所以细节有很多不到位的地方，主要也是加入了我个人的解释和理解。
下一篇我们来测试视频识别功能以及针对任务要求训练自己的模型，敬请期待！
我一直怀着期待交流和批判的心态，请各位不吝赐教，谢谢！
