淮南网名seo营销排名
文章目录
- 前言
- 一、编译环境
- 二、前期准备
- 三、CMake编译
- 四、VS编译OpenCV.sln
- 五、问题
前言
由于项目需要用上CUDA加速的OpenCV，编译时也踩了不少坑，所以这里记录一下。
一、编译环境
我的编译环境是：
Win10 + RTX4050 + CUDA-12.0 + CUDNN 8.9.6.50 + VS2019 + CMake-3.28.0 + OpenCV-4.8.0 + OpenCV_Contrib-4.8.0
额外注意的是：CUDA_ARCH_BIN=7.5;8.6;8.9;9.0
二、前期准备
- 如果你的编译环境跟我一模一样的话，你可以直接下载百度网盘，提取码：1215，里面的
include/lib/bin文件夹直接拷贝出去用就可以了。 - 如果有不同之处，一定要重新编译，不然就会报错：
error: (-216: No CUDA support) OpenCV was not build to work with the selected device. - 上面的链接下载下来后，里面的source包含了
OpenCV-4.8.0 + OpenCV_Contrib-4.8.0的zip文件夹，就不用直接去官网下载了。 - 如果重新编译，记得把
source/.cache文件夹，放到解压后的 OpenCV 4.8.0文件夹下。
三、CMake编译
接下来，就照着我的截图进行选择。
-
先按下图选择，点击Configure。
-
完成之后，会一片红
-
去除Python相关；
-
去除Java相关；
-
去除JS相关；
-
去除tests相关；
-
勾选CUDA相关
-
将 OpenCV-Contrib 加入到项目中
-
勾选 build_opencv_world
-
去除 OpenCV_ENABLE_NONFREE
-
勾选 ENABLE_FAST_MATH
-
再次点击Configure
-
完成之后，选择CUDA_ARCH_BIN并勾选 CUDA_FAST_MATH
-
再次点击Configure；
-
如果这次完成之后，没有红色，那么就直接Generate，done就结束了。
四、VS编译OpenCV.sln
- 打开
build/OpenCV.sln - 选择
Release/x64，右键ALL_BUILD - >生成即可。
- 如果全部成功，那么再右键
INSTALL -> 生成即可。这个会帮你整理生成的include/lib/bin文件夹。
五、问题
.cache文件夹一定要提前放到 OpenCV 4.8.0 文件夹下，不然你会在CMake的时候收获一堆Warning，就是因为下载这堆东西失败。- CuDNN下载之后，记得放到CUDA文件夹下，然后添加相应的环境变量。
- 我在使用上面的版本时，发现，对于读取同一个model进行推理，Release/cuda下GPU的利用率是30%，但是Debug/cuda的利用率只有5%左右。但是你如果说GPU没用上，其速度又比单纯使用CPU快一倍。目前还没弄懂。
- 另外，我在debug/cpu下的内存大概是200m左右，但是debug/gpu跑到了5.7G。我也没弄懂这个。