1、前言
最近因为需要研究视频的物体识别和行为识别，上网了解了一下，YOLO是目前实时视频物体识别的应用最广泛的算法。
因此，作为小白的我，也准备体验一下YOLO算法的效果。
先上网了解了一下YOLO算法的背景资料，有V1，V2，V3，V4四个版本，其中V4版本虽然创新不多，但对工业应用很有价值，引用网上的总结：速度差不多的精度碾压，精度差不多的速度碾压！（刚刚看到，V5版本也出来的，这是什么节奏！！！）
我的想法，V2和V3相对成熟，先体验一下。
当初想得很简单，按照网上的先行者的网文，依葫芦画瓢，照做一遍。然而，真实过程远非如此简单，中间碰到各种问题，可以说，是一把辛酸泪！
2、YOLO V2的痛苦体验
YOLO V2的安装，我参考的是：https://blog.csdn.net/xubuhui/article/details/88877571。
-
准备工作，安装下列环境：
python 3.5 or 3.6 or 3.7 ；
Anaconda ；
Tensorflow（cpu or gpu 均可）；
openCV
-
下载darkflow代码，并执行安装；
-
测试体验。
详细过程，我就不展开了，几点经验教训：
1）关于Python版本，要求3.5 or 3.6 or 3.7。
这是因为tensorflow算法包的要求。
踩坑1：一开始，我没有重视，看到Python3的最新版本3.8.3，心想版本高些总会不错吧，安装了，结果后来出现问题。还得重新安装Python 3.7.7。
2）关于Anaconda。
Anaconda是Python环境的包管理工具。
安装了Anaconda后，创建了适合tensorflow环境，则所有操作都应该在Anaconda环境下执行，用AnaConda Prompt命令行工具，或AnaConda Navigator可视化图形界面工具都可以。但是一定不要用操作系统自带的CMD工具。
踩坑2：我使用win+R，输入cmd，显示命令行工具。执行下列语句：
python --version
显示的python版本号，是之前安装的2.7。
由于一开始没有理解Anaconda的用法，折腾了好久，包括设置path，调整先后次序，当时版本是可以了，但是后来安装darkflow时又有其它问题，最后还将python 2.7给卸载了。
Anaconda正确的使用姿势：
（1）先创建一个匹配python版本的环境，如tensorflow，使用python 3.7.7。
conda create -n tensorflow python=3.7.7
（2）使用前，先激活环境。
conda activate tensorflow
（3）可以使用pip，或install，或执行python脚本。
#执行pip
pip install cython
#install
conda install tensorflow
#执行python，使用py或python指令，执行python脚本setup.py
py setup.py build_ext --inplace
更进一步，可以上网查询AnaConda指令大全。
3）关于网速。
这点特别重要！！！如有可能，最好使用大学VPN来下载。
踩坑3：
A：安装tensorflow算法包，随机断开，重复多次，一直没成功，隔天正常，才安装成功。
B：从https://github.com/thtrieu/darkflow下载darkflow的Download zip文件，失败；使用git clone也随机断开。隔天正常，才下载成功。
4）关于安装darkflow
（1）首先，必须在AnaConda环境下，激活之前创建的tensorflow环境，来执行下列语句：
python setup.py build_ext --inplace
踩坑4：
我先前安装引用的网文的做法，在win10的cmd环境下，执行，总是报错：
ModuleNotFoundError: No module named 'Cython'
这个折腾了好久。
（2）其次，需要VS2015 C++环境。
否则提示：
访问失败：...\Microsoft Visual Studio 14.0\VC\PlatformSDK\lib
由于我好久没用VC了，之前只装了C#，补充安装，看着处于卡死状态，不放心，索性卸载重装了一次。结果，也许是网速问题，奇慢无比，重装VS2015，花了10几个小时。彻底无语！
5）关于安装tensorflow算法包的版本
好不容易通过darkflow的安装，生成了cy_yolo2_findboxes.cp37-win_amd64.pyd等几个文件，在测试体验时，又出问题。
由于我之前安装的tensorflow算法包的版本是2.1.0，而darkflow要求的tensorflow 版本是1.4，于是还是不成。
想想，yolo v2版本反正不如v3，不如直接搞v3吧。最终，yolo v2没有体验成功，放弃了。
3、YOLO V3的体验
关于YOLO V3的官网：https://pjreddie.com/darknet/yolo/。
V3版本最终成功体验了，中间也出现了一些问题，需要注意的地方：
1）代码下载
不能使用：git clone https://github.com/pjreddie/darknet，这会在后面导致下列问题：
couldn’t open file: data/coco.names
正确做法，直接输入https://github.com/pjreddie/darknet网址，download zip文件。网上说这是因为Windows系统和Linux系统编码的不同可能会导致一些错误。
2）make需要安装gcc环境
安装cygwin时，必须勾选：make和g++。（如果没有，则需要补充安装，默认是skip，即不安装）。
否则，make时，提示make指令错误，或gcc错误。
make成功后，生成了darknet.exe文件。
3）图片的检测命令：
下面例子中，yolov3.weights到yolo官网下载，我用的是416*416，test.jpg是网上搞得图片。
darknet.exe detect cfg/yolov3.cfg yolov3.weights test.jpg
成功，执行后，生成一个predictions.jpg文件。
这样初步体验OK了，也可以用视频文件。