Opencv4.4.0版本DNN模块使用CUDA加速教程VS2015/2017 Win10

本人以前编译opencv4.2版本的DNN模块支持CUDA加速成功了，后来时隔一年，编译opencv4.4版本DNN模块使用CUDA加速一直编译失败，那叫个酸爽，如果看到此博客的你也在为编译opencv4.4版本的DNN模块使用CUDA加速而痛苦时，静下心来，按照我提供的思路一步一步走下去，你会成功的。

CUDA安装与配置

根据自己的GPU选择合适的CUDA版本，我的是GeForce GTX 1080，选择CUDA10.1版本，按照默认地址安装就好，安装完之后看是否有环境变量。没有的话自己加上

CUDNN

cudnn一定要7.5版本以上，否则CMake将无法识别出cudnn路径。我使用的版本是cudnn7.6.5，将cudnn中bin、include、lib文件夹中的文件放入对应的cuda路径（我的路径为“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA”）下的文件夹中

CMake编译

打开CMake（我的版本是CMake 3.18.4），选择源码路径，以及生成路径吗，选择对应的VS版本，本人编译成功了VS2015和VS2017两个版本。

开始第一次Configue

 其中会下载一些第三方文件，可以自行下载，否则速度较慢。该版本的第三方文件我这边费尽九牛二虎之力下载完了，为opencv/sources/.cache/ffmpeg和ippicv。

第一次configure完成之后，勾选BUILD_opencv_world以及勾选OPENCV_DNN_CUDA，

选择解压好的opencv_contrib中的modules路径添加进来。勾选WITH_CUDA

第二次configure，cinfigure完成之后可能会报错，此时不管它，根据GPU算力表选择合适的CUDA_ARCH_BIN值，如我的是GeForce GTX 1080，则将CUDA_ARCH_BIN其余值删除，只留下6.1。

然后勾选CUDA_FAST_MATCH，点击configure。

等待configure完成之后，查看是否检测到了CUDA和cudnn，都出现YES之后，说明没有问题。这里有至少两个坑：

（1）如果没有检测到的话，需要确认是否CUDA和cudnn版本正确，否则后面编译将不会编译CUDA模块，白白浪费时间

（2）即便出现了YES后续也有可能编译不出opencv_world.lib，导致整个编译失败，本人在这块折腾了许久，后来发现是因为有几个模型文件没有下载成功，影响了整个编译。为opencv/sources/.cache/xfeature2d下的boostdesc和vgg的模型文件。

以上问题都解决后，点击generate

generate done之后点击Open Project打开工程，在Release模式下右键点击ALL_BUILD，生成时间较长

生成之后，点击INSTALL->仅用于项目->仅生成INSTALL，至此编译完成。