當前位置：首頁 > 运维知识 > windows >内容正文

windows

windows11编译OpenCV4.5.0 with CUDA（附注意事项）

發布時間：2024/3/12 windows 63 豆豆

生活随笔收集整理的這篇文章主要介紹了 windows11编译OpenCV4.5.0 with CUDA（附注意事项）小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

windows11編譯OpenCV4.5.0 with CUDA

從OpenCV4.2.0 版本開始允許使用 Nvidia GPU 來加速推理。本文介紹最近使用windows11系統編譯帶CUDA的OpenCV4.5.0的過程。

文中使用【特別注意：…】為大家標識出容易出錯的地方。
安裝成功后，使用CPU與GPU調用yolov4模型進行推理的耗時測試結果：

GPUCPU

4ms

311ms

從差距上看，還是值得花時間編譯一下的：）
耗時測試環境：
- 調用筆記本自帶攝像頭獲取視頻
- Notebook GTX3080顯卡

1.準備環境

1.1 下載OpenCV4.5.0

編譯需要OpenCV4.5.0的源碼
下載地址（3項可選）：
https://opencv.org/releases/
https://github.com/opencv/opencv/releases/tag/4.5.0
https://sourceforge.net/projects/opencvlibrary/files/4.5.0/opencv-4.5.0-vc14_vc15.exe/download
下載完成后是一個exe程序，雙擊即可解壓，解壓后:
- source文件夾就是源碼
- build文件夾是編譯好的不帶CUDA加速的OpenCV4.5.0(本文不使用)

1.2 下載OpenCV4.5.0 contrib

Contrib Modules是OpenCV的擴展模塊，包含了很多用于實現特定算法
編譯OpenCV需要用到contirb模塊
特別注意：務必下載與源碼對應版本的contrib模塊
下載地址（第1個為官方下載地址，第2個為國內某同學搭建的下載庫，速度較快）：
https://github.com/opencv/opencv_contrib/tags
https://www.raoyunsoft.com/opencv/opencv_contrib/opencv_contrib-4.5.0.zip

1.3 準備.cache文件

編譯過程中需要聯網下載一些依賴庫，并存放于sourc.cache文件夾中
特別注意：因要連到外網，因此速度比較慢，有時斷網造成編譯失敗，所以可以提前準備好這些文件
OpenCV4.5.0的.cache文件下載地址：
https://download.csdn.net/download/iracer/85695997
使用方法：
- 將.cache文件夾拷貝到source文件夾下，與原.cache文件夾合并

1.4 安裝Visual Studio 2019

安裝CUDA需要vs，這里選擇vs2019
安裝步提要：
Download Visual Studio 2019 Community Edition
Select Desktop Development with C++ option and click on install

1.5 安裝CUDA和cuDNN

NVIDIA官方指南：
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows
本次在windows11上安裝的CUDA和cuDNN版本為：
CUDA 11.3：cuda_11.3.1_465.89_win10.exe
duDNN 8.4：cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip
特別注意：zlib庫需要下載并添加到系統環境變量path中，因為cdDNN需要調用該庫。
zlib庫下載地址：
www.winimage.com/zLibDll/zlib123dllx64.zip
下載完成后解壓zip文件，并將zlibwapi.dll所在目錄添加到系統環境變量path中
查看CUDA安裝結果：

C:\Users\irace>nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021 Cuda compilation tools, release 11.3, V11.3.109 Build cuda_11.3.r11.3/compiler.29920130_0

1.6 安裝CMake

本次是用的是3.22版本，3.19以上版本應該都可以（未逐一測試）
下載地址：
https://github.com/Kitware/CMake/releases/download/v3.22.5/cmake-3.22.5-windows-x86_64.msi

2. 編譯

2.1 CMake生成解決方案

雙擊解壓OpenCV4.5.0.exe，解壓后的source目錄即OpenCV4.5.0的源碼
解壓opencv_contrib-4.5.0
新建一個編譯目錄

D:\opencv\oepncv4.5.0cuda\build
打開CMake
配置source code:

D:/opencv/opencv4.5.0/sources
配置目標目錄：

D:\opencv\oepncv4.5.0cuda\build
第1次點擊[Configure]
彈出窗口選擇vs2019作為編譯器：

Visual Studio 16 2019
generate平臺選擇x64
第2次點擊[Configure]后，搜cuda帶cuda的都勾選，
- BUILD_CUDA_STUBS
- BUILD_opencv_cudaarithm
- BUILD_opencv_cudabgsegm
- BUILD_opencv_cudacodec
- BUILD_opencv_cudafeatures2d
- BUILD_opencv_cudafilters
- BUILD_opencv_cudaimgproc
- BUILD_opencv_cudalegacy
- BUILD_opencv_cudaobjdetect
- BUILD_opencv_cudaoptflow
- BUILD_opencv_cudastereo
- BUILD_opencv_cudawarping
- 除此之外此外以下兩項數學加速選項也勾選：
- CUDA_FAST_MATH
- ENABLE_FAST_MATH
- CMake界面上Search欄搜modules，設置contrib模塊路徑
D:\opencv\oepncv4.5.0cuda\opencv_contrib-4.5.0\modules

第3次點擊[Configure]，完成后，再次搜索cuda，配置CUDA_ARCH_BIN中將顯卡的算力內容改成自己顯卡的算力,t如下網址查詢自己顯卡的算力，我保留了7.5;8.0;8.6

查詢顯卡算力鏈接

GeForce 筆記本

GPUCompute Capability

GeForce RTX 3080	8.6
GeForce RTX 3070	8.6
GeForce RTX 3060	8.6
GeForce RTX 3050 Ti	8.6
GeForce RTX 3050	8.6
Geforce RTX 2080	7.5
Geforce RTX 2070	7.5
Geforce RTX 2060	7.5
GeForce GTX 1080	6.1
GeForce GTX 1070	6.1
GeForce GTX 1060	6.1

GeForce and TITAN 臺式機

GPUCompute Capability

Geforce RTX 3060 Ti	8.6
Geforce RTX 3060	8.6
GeForce RTX 3090	8.6
GeForce RTX 3080	8.6
GeForce RTX 3070	8.6
GeForce GTX 1650 Ti	7.5
NVIDIA TITAN RTX	7.5
Geforce RTX 2080 Ti	7.5
Geforce RTX 2080	7.5
Geforce RTX 2070	7.5
Geforce RTX 2060	7.5
NVIDIA TITAN V	7.0

搜索并勾選

BUILD_opencv_world，可生成一個整的dll方便使用

OPENCV_ENABLE_NONFREF
解壓.cache.rar，將.cache目錄拷貝到source目錄：

D:\opencv\oepncv4.5.0\source\.cache >![將下載的.cache目錄與source中的.cache目錄合并](https://img-blog.csdnimg.cn/
第4次點擊[Configure]
完成后，點擊[Generate]，完美生成：

配置完成后CMake log中顯示找到了CUDA和cuDNN：

NVIDIA CUDA: YES (ver 11.3, CUFFT CUBLAS FAST_MATH)

NVIDIA GPU arch: 75 80 86

NVIDIA PTX archs:

cuDNN: YES (ver 8.4.0)
點擊[Open Project]，會自動打開vs2019，開始編譯

2.2 VS2019編譯OpenCV

使用VS2019打開剛剛編譯工程后，等待左下角顯示的項全部加載完畢才可以繼續操作
選擇Release x64版本
找到解決方案資源管理器中的“CmakeTargets”下的“ALL_BUILD”，右鍵→“生成”，然后開始漫長的等待……
解決方案資源管理器—>CMakeTargets—>INSTALL—>生成”然后又是等，好在這次時間很短。完成后你的build文件夾中會出現一個install文件夾，這就是完成了。

2.3 生成文件

生成完成后會出現如下文件夾

D:\opencv\oepncv4.5.0cuda\build\install
build/install目錄的目錄結構（部分）
├─etc
├─include
│ └─opencv2
│ ├─core
│ ├─cudalegacy
│ ├─cudev
│ ├─datasets
│ ├─dnn
│ ├─face
│ ├─features2d
└─x64
└─vc16
├─bin
└─lib
tips：在當前目錄中運行cmd，使用tree命令，即可生成目錄樹

D:\opencv\oepncv4.5.0cuda\build\install>tree

3. 測試

3.1 配置OpenCV with cuda

配置OpenCV4.5.0cuda，與一般OpenCV的配置方法一致，可參考:
Win7系統Visual Studio 2013配置OpenCV3.1圖文詳解

3.2 YOLOv4 示例程序

測試程序可以直接用《OpenCV4機器學習算法原理與編程實戰》書中的代碼（部分）：

#include<opencv2\opencv.hpp> #include<opencv2\dnn.hpp> #include<fstream> #include<iostream>using namespace std; // 檢測結果后處理 void postProcess(cv::dnn::Net& net,cv::Mat& frame,const vector<cv::Mat>& outs,vector<cv::Rect>& boxes,vector<int>& classIds,vector<int>& indices,double confThreshold,double nmsThreshold );// 檢測繪制結果 void drawPred(cv::Mat& frame,vector<cv::Rect>& boxes,vector<int>& classIds,vector<int>& indices,vector<string>& classNamesVec);// 程序設置 bool USE_IMAGE = false; // true: 測試圖像; false: 測試視頻 bool USE_YOLOv4 = true; // true: YOLOv4; false: YOLOv4_tiny bool USE_CUDA = true; // true: GPU, false: CPUfloat confidenceThreshold = 0.3; // 置信度設置 float nmsThreshold = 0.2; // 置信MNS門限int main() {// [1]模型文件路徑設置cv::String model, config;if (USE_YOLOv4){model = "D:/models/yolov4/yolov4.weights"; // 模型權重文件config = "D:/models/yolov4/yolov4.cfg"; // 模型配置文件 }else // use yolov4-tiny{model = "D:/models/yolov4/yolov4-tiny.weights";config = "D:/models/yolov4/yolov4-tiny.cfg";}cv::String framework = "Darknet"; // 深度學習框架cv::String label_file = "D:/models/yolov4/coco.names";// 類別標簽文件//[2] 加載類別ifstream classNamesFile(label_file);vector<string> classNamesVec;if (classNamesFile.is_open()){string className = "";while (std::getline(classNamesFile, className)){classNamesVec.push_back(className);}}// [3]載入模型cv::dnn::Net net = cv::dnn::readNet(config, model, framework);if (USE_CUDA){net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);}else{ net.setPreferableTarget(cv::dnn::DNN_TARGET_OPENCL);net.setPreferableBackend(cv::dnn::DNN_BACKEND_OPENCV);}// ...}

4. 相關鏈接

OpenCV4機器學習算法原理與編程實戰（附部分模型下載地址）
本文更新鏈接
轉載請注明出處。

總結

以上是生活随笔為你收集整理的windows11编译OpenCV4.5.0 with CUDA（附注意事项）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： kafka查看消费情况
下一篇：基于MATLAB的人脸考勤识别系统