CUDA 9.2+CUDNN v7.1.4的安装，基本上跟之前这篇文章的描述一致，地址如下：
不同的地方在于CUDA 9.2版本没有出现之前“遇坑一”的问题。
接着下载OpenCV3.4.0，准备搭建环境。要强调的是现在最新的版本是OpenCV 3.4.2，然而看github上面说OpenCV 3.4.1起（包括3.4.1）会有bug，不知道3.4.2修复了没有，如果有勇士请试试，要是能留言说一下就更好了。
做完上面的准备工作后，可以到下面的网址下载源代码：
解压，在build文件夹下看到
稍微做下说明，里面的"darknet.sln"是主工程，基本上如果要看YOLO能实现什么东西，用它就够了。
"darknet_no_gpu.sln"是"cpu"版本，也就是慢的想哭版本，当然光看效果也是可以的。
"yolo_cpp_dll.sln"是动态链接库的编译版本，主要用于将YOLO的功能打包成dll。
"yolo_cpp_dll_no_gpu.sln"跟"darknet_no_gpu.sln"一个道理。
"darknet_console_dll.sln"是调用动态链接库的demo，也就是说只有把"yolo_cpp_dll.sln"编译过了，生成dll，这个工程才有意义。
对于所有的这些sln都有一个共同的问题，就是我们装的是"CUDA 9.2"，而源代码编译的时候配置的环境是"CUDA 9.1"，因此需要修改".vcxproj"文件，找到里面"CUDA 9.1"的位置，替换成"CUDA 9.2"（每个文件都有两处）。
做完上面的修改，打开"darknet.sln"，切换到"x64"平台，配置"附加库目录"和"附加包目录"中跟"OpenCV"路径相关的内容。然后就可以开始编译了（对于其他的sln也一样）。
如果用到最新版本的VS2017，会出现如下的bug：
这个问题在下面的博客中可以找到答案
就是最新版本的CUDA不支持最新版本的VS2017，要修复也比较简单，就是到
CUDA的安装路径中：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include\crt
找到"host_config.h"文件
将第131行
#if _MSC_VER < 1600 || _MSC_VER > 1913
修改成
#if _MSC_VER < 1600 || _MSC_VER > 1920
就可以了。
到此，再编译应该就可以了，编译好发现找不到"opencv_world340.dll"，则到OpenCV的文件夹把"opencv_world340.dll"和"opencv_world340d.dll"拷贝到"xx\build\darknet\x64"这个路径下。
编译好会在"xx\build\darknet\x64"下出现一个"darknet.exe"程序，就是我们刚刚编译出来的可执行程序。接着可以看看效果了，看之前需要先下载训练好的模型，地址如下：
下完也把它扔到"\build\darknet\x64"这个路径下，然后打开命令行cd到"xx\build\darknet\x64"这个路径下，输入命令
.\darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 dog.jpg
则可以看到
另外，如果要用到YOLO检测视频对象的功能，需要用到OpenCV读取视频，而OpenCV的解码器不是自带的，因此需要自己装一个，不然会无法工作，具体见下面的博客：
做完上面的工作之后，准备好视频文件，输入下面的命令之后可以看到效果
.\darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.avi
那么到此我们就把YOLO的环境给配置好了，关于如何编译和使用dll这部分，会在下篇文章给出。
参考文章：