# 创建虚拟环境  xxx自己命名
conda create xxx
# 激活虚拟环境
​
# 安装依赖，这里使用的TensorFlow 2  GPU版
pip install -r requirement-gpu.txt

1. 使用tensorflow-gpu版需配置GPU参考：help/pdf/Windows版YOLOv4目标检测实战：Windows系统上的软件安装，如果不使用tensorflow-gpu使用配置文件：config/requirement.txt
2. requirement-gpu.txt或requirement.txt配置文件放C:\Users\xxxx下

如果网络不好可以使用国内镜像， pip install xx -i http://xxx
国内的几个常用镜像地址：
豆瓣 ： https://pypi.douban.com/simple
中国科学科技大学 ： https://mirrors.ustc.edu.cn/pypi/web/simple/
清华大学 ：https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

模型在: model 文件夹下

# 将Darknet权重转换为Tensorflow模型
python save_model.py --model yolov4
​
# 在视频上运行yolov4深度排序对象跟踪器
python object_tracker.py --video ./data/video/test.mp4 --output ./outputs/demo.avi --model yolov4
​
# 在网络摄像头上运行yolov4深度排序对象跟踪器(将视频标志设置为0)
python object_tracker.py --video 0 --output ./outputs/webcam.avi --model yolov4

# 保存yolov4-tiny模型
python save_model.py --weights ./data/yolov4-tiny.weights --output ./checkpoints/yolov4-tiny-416 --model yolov4 --tiny
​
# 运行yolov4-tiny对象跟踪器
python object_tracker.py --weights ./checkpoints/yolov4-tiny-416 --model yolov4 --video ./data/video/test.mp4 --output ./outputs/tiny.avi --tiny

    # 注释160,它读取cocoa .names里的跟踪类
160 #allowed_classes = list(class_names.values())

<span style="color: #008000;">#</span><span style="color: #008000;"> 自己从80类中选需要的类，这里只允许car类</span>

163 allowed_classes = ['car']

save_model.py:--weights: path to weights file(default: './data/yolov4.weights')--output: path to output(default: './checkpoints/yolov4-416')--[no]tiny: yolov4 or yolov4-tiny(default: 'False')--input_size: define input size of export model(default: 416)--framework: what framework to use (tf, trt, tflite)(default: tf)--model: yolov3 or yolov4(default: yolov4)
object_tracker.py:
--video: path to input video (use 0 for webcam)
(default: './data/video/test.mp4')
--output: path to output video (remember to set right codec for given format. e.g. XVID for .avi)
(default: None)
--output_format: codec used in VideoWriter when saving video to file
(default: 'XVID)
--[no]tiny: yolov4 or yolov4-tiny
(default: 'false')
--weights: path to weights file
(default: './checkpoints/yolov4-416')
--framework: what framework to use (tf, trt, tflite)
(default: tf)
--model: yolov3 or yolov4
(default: yolov4)
--size: resize images to
(default: 416)
--iou: iou threshold
(default: 0.45)
--score: confidence threshold
(default: 0.50)
--dont_show: dont show video output
(default: False)
--info: print detailed info about tracked objects
(default: False)