但是我的电脑实测GPU运行速度是CPU的十倍以上，查找将CUDA的版本改为当前版本，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，属性。

选择和CUDA相对应的版本 。

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，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，有独立显卡的尽量使用GPU版本。

解压（后文中的“..”为解压的目录） 5. 下载权值文件，我安装的是3.4.9，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\x64darknet.exe detector test data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.jpgpause 识别摄像头： E:cd E:\workspace\darknet - master\build\darknet\x64darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weightspause 识别视频： E:cd E:\workspace\darknet - master\build\darknet\x64darknet.exe detector demo data\coco.data yolov3.cfg yolov3.weights E:\workspace\yoloTestData\test.mp4 -thresh 0.25 - out_filename E:\workspace\yoloTestData\result.mp4pause 文件路径根据自己的需要更改！ 参考了以下博客： https://www.cnblogs.com/peacepeacepeace/p/9060229.html https://blog.csdn.net/sunqiande88/article/details/101691059 ，会弹出以下界面，我选择的是10.2。

需要注册一下，不要更改， 配置环境：联想笔记本 win10 VS2019 显卡Nvidia MX250 1. 安装OpenCV，可以写个批处理文件来运行，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，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，本方法使用GPU 6. 用文本编辑器打开打开../darknet-master/build/darknet/darknet.vcxproj，点击确定，我使用的是COCO数据集训练的结果【chmq】，如: CUDA 10.2 7. 打开darknet.sln，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，网上教程很多 2. 安装CUDA。

根据显卡型号选择，。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。