最近了解并尝试在Win10安装YOLOv3，参考了十几篇文章，发现每个人都有自己的安装方式，最初尝试用cmake编译，虽然安装完成，但无法使用GPU，坑非常多，经2天努力终于安装成功，分享并记录自己的安装过程，供大家参考。
系统：Win10
显卡：GeForce RTX2070 with Max-Q Design
其它：CUDA10.2，cuDNN7.6.5，VS2019，OpenCV3.4.0（opencv版本不能高于3.4.0）
1、显卡驱动下载和安装
打开NVIDIA官网驱动程序下载页面，选择适合你显卡的驱动，下载并安装。
选择自定义安装：
登录账户，没有就注册一个：
点击“跳过”：
确认“NVIDIA Studio Driver”安装成功。
2、VS2019下载和安装
切记，先安装VS2019，再安装CUDA。
选择“.Net桌面开发”、“使用C++的桌面开发”、“通用Windwos平台开发”三项，点击右下角安装：
安装成功后，根据提示重启电脑。
3、CUDA的下载和安装
点击：https://developer.nvidia.com/cuda-toolkit-archive，选择cuda10.2版本
下载完成后，双击打开，开始安装。
选择自定义安装：
全部勾选，点击下一步：
使用默认的安装路径：
安装成功后，会看到CUDA向已安装的Visual Studio2019中写入了Nsight工具，所以我才强调必须先安装CS2019，再安装CUDA。
3.1、配置CUDA环境变量
右键“我的电脑”选择属性，点击“高级系统设置”->“环境变量”。
可以看到CUDA默认写入了2条环境变量信息，但这些还不够，点击新建，添加以下环境变量：
变量名：CUDA_BIN_PATH 变量值：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2in 变量名：CUDA_LIB_PATH 变量值：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64 变量名：CUDA_SDK_BIN_PATH 变量值：C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2inwin64 变量名：CUDA_SDK_LIB_PATH 变量值：C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2commonlibx64 变量名：CUDA_SDK_PATH 变量值：C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2
根据你CUDA的实际安装路径配置变量值，但我建议你安装CUDA时使用默认的路径，避免出现各种奇葩问题。
然后在系统变量中找到Path，双击打开并加入以下变量值：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%; C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2include C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2extrasCUPTIlib64 C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2inwin64 C:ProgramDataNVIDIA CorporationCUDA Samplesv10.2commonlibx64
然后打开控制台，输入：nvcc -V
如果输出CUDA版本等相关信息，说明CUDA安装成功。
4、CUDNN下载和安装
点击：https://developer.nvidia.com/rdp/cudnn-download 注册个账户，然后下载Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2
下载完成后，解压cudnn-10.2-windows10-x64-v7.6.5.32.zip，将解压后的文件，覆盖到CUDA的安装目录下，如图：
5、OpenCV下载和安装
点击：https://opencv.org/opencv-3-4/ 下载3.4.0版本的OpenCV。
下载完成后双击打开，该exe是个自解压程序，选择一个解压目录，解压完成后，将解压出来的opencv文件夹复制到c盘根目录下。
然后在环境变量Path中加入以下值：
C:opencvuildx64vc15in
6、YOLO下载和编译
点击https://github.com/AlexeyAB/darknet 下载YOLO。
下载到本地后，解压，将darknet-master重命名为darknet，保存到D盘。
6.1、复制编译依赖文件
将c:/opencv/build/x64/vc15/bin目录下的opencv_ffmpeg340_64.dll、opencv_world340.dll复制到D:darknetuilddarknetx64目录下：
进入D:darknetuilddarknet目录，用VS2019打开darknet.sln，首次打开可能会出现以下错误：
没关系，确定后，关闭VS2019，重新用VS2019打开darknet.sln即可，打开后此处选择Release X64。
右键darknet工程，选择属性。
将“常规”下的Windows SDK版本选为10.0，将平台工具集选为Visual Studio2019(v142)，点击应用。
然后点击VC++目录，编辑包含目录，将以下路径添加到包含目录中：
C:opencvuildincludeopencv2 C:opencvuildincludeopencv C:opencvuildinclude
如果你的opencv路径和我不一样，请修改成你自己的路径。
然后点击库目录，把以下内容添加到库目录中：
C:opencvuildx64vc14lib
然后点击链接器->输入，在附加依赖项中添加：
C:opencvuildx64vc14libopencv_world340.lib
然后点击确定保存，并退出VS2019。
用记事本或文本编辑器打开darknet.vcxproj。
将CUDA 10.0，替换为CUDA 10.2，共两处
用VS2019打开darknet.sln，再次确保此处为Release X64，然后右键点击项目选择生成。
编译过程可能会出现很多警告，但只要最终提示生成：成功1个，失败0个，则表示编译成功。
6.2、下载YOLOv3预训练权重文件
进入https://pjreddie.com/media/files/yolov3.weights 下载yolov3.weights文件，再将yolov3.weights放在D:darknetuilddarknetx64目录下。
如果下载慢，选择迅雷下载。
6.3、运行YOLO
控制台进入D:darknetuilddarknetx64目录，输入命令：
darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
执行过程，如果出现CUDA版本信息，说明YOLO可以通过GPU来进行目标识别了。
7、注意事项
如果先安装的CUDA，后安装的VS2019，可能会出现无法使用GPU进行训练和识别的问题，可以将CUDA的安装程序“cuda_10.2.89_441.22_win10.exe”解压，然后在解压后的文件夹中找到CUDAVisualStudioIntegrationextrasvisual_studio_integrationMSBuildExtensions目录，将目录中的四个文件复制到C:Program Files (x86)Microsoft Visual Studio2019CommunityMSBuildMicrosoftVCv160BuildCustomizations目录下，然后重新编译工程。
