OpenCV_CUDA_VS编译安装

一、OpenCV

我这里是下载的OpenCV4.5.4，但是不知道到在vs里面build时一直报错，后面换了4.7.0的版本测试，安装成功。

Release OpenCV 4.5.4 · opencv/opencv · GitHub

这个里面有官方预编译好的OpenCV库，可以直接食用。

扩展包：

https://github.com/opencv/opencv_contrib/releases/tag/4.5.4

二、cmake

这里cmake版本要求应该不是很高，20以上的版本的都行。

Index of /files/v3.22

三、Cuda

cuda版本比这里的版本低应该就行了。具体的的操作可以参考下面的一篇博文。 

https://developer.nvidia.com/cuda-toolkit-archive

四、cudnn

cudann的版本一定要与cuda的版本相对于，我这里就是应该这个原因，导致cmake生产的时候的要报错，他这里写的CUDA 12x，貌似不是对于12的任意版本。一定要明确和自己的版本对上。

CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

这里才是下的正确的版本的8.8.0. 

默认安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0。这个后面要用。

英伟达驱动教程：windows10+nvidia驱动+cuda10.1+cudnn安装教程_Bubble_water的博客-CSDN博客 

五、cmake编译

建议如果可以的话，记得把梯子打开，不然很多东西下载不了，需要自己去下载。

然后点击configure。 

添加扩展包的路径。

cuda的全部选上。 

这里的test我们不需要。 

然后再次点击configure。 

勾选上CUDA_FAST_MATH，通过CUDA_ARCH_BIN设置我们显卡的最高算力，可以在官网查看。

nonfree也要勾选上。

 然后Generate

六、VS编译

然后用vs打开下面的工程 

点击ALL_BUILD，进行编译，第一次可能需要一两个小时的时间。

 编译成功后，就可以点的install进行安装了，几分钟的时间就解决了。

安装成功后是在cmake刚刚配置的路径下的install目录下的。 

然后需要将bin目录加到系统的环境变量PATH里，方便程序在运行时能够找到对应的动态库。

七、VS配置OpenCV

这里需要添加项目属性表，记得它的位置，下次直接添加就行了，不然每次都要配置opencv的路径和库文件。

 包含目录里面配置opencv的头文件路径。

库目录这里配置opencv的库文件路径。 

然后还要添加依赖项也就是每个库的名称，这里用python写了一个脚本用来读取文件名。 

生产目录下文件名的脚步：

import os
# readInfo函数，根据文件夹路径读取文件夹下所有文件名
def readInfo():filePath = r'F:\cv\opencv-4.7.0\cuda\install\x64\vc17\lib'name = os.listdir(filePath)         # os.listdir方法返回一个列表对象return name# 程序入口
if __name__ == "__main__":fileList = readInfo()       # 读取文件夹下所有的文件名，返回一个列表print(fileList)file = open('train.txt', 'w')   # 创建文件，权限为写入for i in fileList:rowInfo = i + '\n'print(rowInfo)file.write(rowInfo)

八、运行测试

yolov5_dnn_cuda

这里是运行cuda 的yolov5保的错误。

报错：Could not locate zlibwapi.dll. Please make sure it is in your library path

解决办法：深度学习-解决Could not locate zlibwapi.dll. Please make sure it is in your library path_Elan韩的博客-CSDN博客

 资源下载：Could not locate zlibwapi.dll. Please make sure it is in your library path_一休哥※的博客-CSDN博客

OpenCV4_CUDA资源下载：OpenCV4-CUDA资源-CSDN文库