2024年【opencv】【GPU】windows10下opencv4，阿里开发面试

2401_84537540

于 2024-05-10 05:17:47 发布

阅读量615

点赞数 25

分类专栏：程序员文章标签： python 学习面试

本文链接：https://blog.csdn.net/2401_84537540/article/details/138642891

版权

程序员专栏收录该内容

217 篇文章 1 订阅

订阅专栏

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

原生python官网下载地址，选择Windows版本。

这里通过激活虚拟环境查看安装对应的版本，博主不确定这种微小版本的差异会不会影响后续编译测试，所以最好都保持一致。

勾选加入系统环境后直接安装。

配置环境变量，这里可能出现cmd使用的python版本还是使用anaconda的base环境的情况，这是因为在环境变量Path中anaconda的顺序排在原生Python的前面，调整原生python的路径在anaconda的base之前即可。

cmake

CMake官方下载地址，下载cmake-3.27.7-windows-x86_64.msi。

添加到环境和安装路径博主根据自身情况作出了修改，其他都是默认安装。

出现以下界面安装成功。

opencv4.8.0

Opencv官方下载地址，下载OpenCV – 4.8.0 Sources，下载解压opencv-4.8.0.zip。

opencv_contrib

opencv_contrib官方下载地址，选择opencv对应的contrib版本，例如opencv4.8.0对应就是opencv_contrib-4.8.0.zip。下载后直接解压。

CMake编译

打开CMake，where is the source code是Opencv sources(博主是opencv-4.8.0)的文件夹位置，where to build the binaries是编译opencv保存的文件夹位置(自定义)，在左下角第一次点击Configure。
选择对应vs的版本(博主是vs2019)，系统选择x64，最后点右下角Finish，显示Configuring done。
安装到默认环境(base)不需要执行此步骤，该步骤步骤的目的是安装cuda版本opencv到用户自定义的虚拟环境中，分别将路径指向自定义虚拟环境的对应位置 : PYTHON3_EXECUTABLE、PYTHON3_INCLUDE_DIR、PYTHON3_LIBRARY、PYTHON3_NUMPY_INCLUDE_DIRS(需要安装numpy)、PYTHON3_PACKAGES_PATH。
4.在Search搜索框搜索带cuda的关键字，全部勾选。
Search搜索框搜索OPENCV_EXTRA_MODULES_PATH，添加解压的opencv_contrib中的modules的路径，再搜索并勾选OPENCV_ENABLE_NONFREE选项。
build_opencv_world可以将所有opencv的库都打包编译在一起，但是具体的工程又不建议这种模式。
对于java、js、tests相关选项的选择，用Search搜索框分别搜索“java”，“js”，“tests”，根据需要选中和取消相关选项，默认都是选中，博主都取消了，必须勾选BUILD_opencv_python3，决定了能否在python中使用GPU加速，第二次点击Configure。
显示Configuring done后，将CUDA_ARCH_BIN显卡算力内容改成自己显卡的算力。官网查看显卡算力地址，删除小于自己显卡算力的部分，再搜索并勾选ENABLE_FAST_MATH选项，第三次点击Configure。
显示Configuring done后，点击generate，显示generating done，成功完成cmake编译，在输出的opencv保存文件夹位置中存在就生成了OpenCV.sln文件。

cmake编译过程是会从githup上下载数据，但是一般都会出现下载失败的情况，这里建议读者先跳到【可能出现的问题】这一小节，来确认是不是自己也出现了下载失败的情况。

VS2019编译

确保在解决方案的bindings这个目录下有opencv_python3，否则即使编译成功仍然不能使用CUDA加速。
使用VS2019 (以管理员方式运行) 打开刚刚编译工程OpenCV.sln，在release|x64模式下，在解决方案资源管理器—>CMakeTargets—>右键点击ALL_BUILD–>生成。
同样在release|x64模式下，在解决方案资源管理器—>CMakeTargets—>右键点击INSTALL–>生成。

没有任何报错信息就是编译完成，在XXX\lib\python3\Release文件夹下可以看到cv2.cpxxx-win_amd64.pyd文件。

XXX是编译opencv保存的文件夹位置(博主是opencv-4.8.0-vs2019-64)，cpxx是python版本(博主是cp310)

同时，在虚拟环境中，可以在路径Lib\site-packages下看到cv2文件夹

进入cv2目录打开config.py可以看到虚拟环境opencv_onnx_gpu依赖于cmake编译的opencv(where to build the binaries)。

博主将依赖的opencv拷贝到了虚拟环境中，并修改了依赖的路基。

可能出现的问题

cmake编译过程中可能出现的问题

cmake编译出现Download failed的问题。

在where to build the binaries位置里面有个CMakeDownloadLog.txt，将里面下载链接复制到浏览器进行下载，

将其和where is the source code里面的.cache文件夹里面内容相对应，下图是下载失败时候，文件大小是0KB，手动下载完成后进行替换。

注意用来替换的文件的名称要与对应空文件的名称保持一致。

对于部分文件则需要将网页以另存为的方式进行替换，注意一定不要以复制网页内容粘贴到空文件的方式进行替换，这是无效的的。

将整个.cache都用同样的方式进行处理。

强调一点，出现这种问题，可以暂时先走完CMake编译过程，因为每一次Configuring都会有新的下载内容，然后再一次性将.cache的内容进行完整的替换，最后进行Configuring和Generate。
这里博主提供自己的【.cache百度云，提取码:ctl6 】

VS2019编译过程中可能出现的问题

通常是对于部分资源，vs2019没有管理员操作权限，因此只需要用管理员身份重新打开进行操作即可。

测试使用GPU

这里用一段简单的python代码验证安装完成的opencv是否支持gpu设备。

import cv2
# 检查是否支持CUDA
if cv2.cuda.getCudaEnabledDeviceCount():
    print("检测到支持CUDA的设备数量:", cv2.cuda.getCudaEnabledDeviceCount())
else:
    print("未检测到支持CUDA的设备")

验证成功，oepncv-cuda版本源码编译成功。

最后