win10+cuda11.8+opencv4.5.5使用cuda运行yolov5

最新推荐文章于 2024-09-20 21:19:35 发布
最新推荐文章于 2024-09-20 21:19:35 发布
阅读量900 收藏
点赞数 1
分类专栏： 安装 文章标签： 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dx0014/article/details/131569144
版权
本文介绍了在Windows10系统中，如何配置CUDA11.8、VisualStudio2019和OpenCV4.5.5，利用GPU（如4080）进行加速。通过使用cmake-gui，去掉gstreamer和非必要的测试程序，成功配置CUDA并生成项目。最终，展示了CUDA加速下OpenCV相对于CPU的性能提升，大约10倍速度增益。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

环境：win10 cuda11.8(尝试使用最新的12.1无法安装）
Vs2019(尝试Vs2015无法源码安装）opencv4.5.5
cmake-gui 3.26.4，电脑GPU是4080
1、安装Vs2019和cuda11.8，下载opencv4.5.5和对应的opencv_contrib-4.5.5，下载cmake的安装包。
2、下载opencv4.5.5的源码，安装anaconda3。上面的安装可以找网上的资源，较好配置。
3、打开cmake-gui，使用vs2019进行配置，x64，并按照下图进行选择请添加图片描述
在这里插入图片描述
这里我把gstreamer给去掉了，目前用不到
在这里插入图片描述
extra是安装cuda必备的选项
在这里插入图片描述

这里我把test的程序都去掉了，也可以加上
在这里插入图片描述
在这里插入图片描述

cuda选上后，然后点击configure，编译无错后，选择
在这里插入图片描述
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite deviceQuery这里可以查询
此时可能会出现.cache下载不了的情况，可以使用网上对应的资源。
生成后，点击open_project，生成解决方案即可，时间较长，一般不会报错。
可以看到opencv使用cuda的速度相比较于cpu要快10倍
在这里插入图片描述
使用GPU的速度
在这里插入图片描述

Win10下Opencv+CUDA联合编译详细教程（版本455、460、470,亲测可用！！！）
yohnyang的博客
04-01 1806
Win10下Opencv+CUDA联合编译详细教程（版本455、460、470,亲测可用！！！）
yolov5 opencv dnn
shilichangtin的博客
01-22 1484
yolov5 opencv dnn部署 github代码
Windows下CUDA版opencv部署yolov5
Goodness2020的博客
06-02 418
opencv部署yolov5
Win10用命令行编译带有cuda的opencv
迷宫中的我
12-09 1138
本文介绍了在win10下，cuda+opencv的安装与部署。
WIN10安装cuda cudnn yolov3
qq_36780295的博客
08-12 249
WIN10安装yolov3 cuda和cudnn安装 ： https://zhuanlan.zhihu.com/p/94220564?utm_source=wechat_session 安装yolov3: https://blog.csdn.net/congcong7267/article/details/82841647 其他注意点 旧版本 cuda 下载地址： https://developer.nvidia.com/cuda-toolkit-archive nvidia 驱动下载的慢的可以复制链接，打
【回忆帖】Win10系统 VS2017 + OpenCV4.1.0 + CUDA + cudnn + Darknet + Yolo-v4 安装&配置
qq_43190332的博客
05-21 1093
计算机视觉：从环境配置到转行炒粉
win10+vs2019+opencv4.5.5+opencv_contrib
09-02
在本项目中，我们关注的是在Windows 10操作系统上使用Visual Studio 2019（VS2019）编译并安装OpenCV 4.5.5以及其扩展模块opencv_contrib。OpenCV（开源计算机视觉库）是一个广泛使用的跨平台库，包含了众多用于图像...
Qt5.15.2+openCV4.5.5+MSVC2019+cuda编译生成的动态库（带world和不带world)
04-15
Qt5.15.2+openCV4.5.5+MSVC2019+cuda编译生成的动态库（带world和不带world) https://blog.csdn.net/aggs1990/article/details/124167901 CSDN审核可能较慢，如无法下载，可以过段时间再回来看下 仅供相关爱好者交流...
win10+cuda10.2+VS2019+YOLOV4.zip
04-26
【标题】"win10+cuda10.2+VS2019+YOLOV4.zip" 提供了一个在Windows 10操作系统上搭建YOLOv4深度学习环境的详细配置，其中涉及到的主要组件包括CUDA 10.2、Visual Studio 2019（VS2019）以及OpenCV 3.4.0。...
VS2019+CUDA11.1 Release x64编译的OpenCV4.5.5（带CUDA和contrib模块）
11-23
在本项目中，标题"VS2019+CUDA11.1 Release x64编译的OpenCV4.5.5（带CUDA和contrib模块）"表示使用了Visual Studio 2019作为集成开发环境，CUDA 11.1作为硬件加速平台，以x64架构为目标平台，编译了OpenCV的4.5.5...
在windows环境下安装支持CUDA的opencv-python
shinuone的博客
06-30 9584
使用官方预构建源代码配置支持GPU模块的opencv-python，不使用Visual Studio。
windows下面Opencv4.5.5版本使用mingw7.3编译排坑
yuanjc002的博客
08-16 166
编译出错，按照以下修改，修改完成之后可以编译通过。下载源码，或者windows版本。4，关闭了 objdetect。1，关闭了python。2，关闭了proto。5，关闭ffmpeg。
win10+cuda10.2+VS2019调试YOLOV4
changquanhao的博客
04-26 3579
yolov4发布了，速度与精度相比较v3有了较大进步。所以赶紧上手试一试。记录大概的步骤。 opencv之前安装好的，我用的版本是3.4.0 cuda安装最新的10.2。 1，升级显卡驱动为最新的。 去官网，根据自己显卡的型号选择最新的驱动。 类型选 game ready https://www.nvidia.cn/Download/index.aspx?lang=cn...
深度学习开发者的福音：Win10下CUDA 11.8与PyTorch 2.0完美配置指南
gitblog_06552的博客
09-20 462
深度学习开发者的福音：Win10下CUDA 11.8与PyTorch 2.0完美配置指南 win10cuda11.8和torch2.0安装 项目地址: https://gitcode.com/Resource-Bundle-Co...
opencvDNN模块跑YOLOv5模型
niuhongchaochao的博客
03-18 2509
1、修改YOLOv5的代码 将 class Focus(nn.Module): # Focus wh information into c-space def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel, stride, padding, groups super(Focus, self).__init__() self.conv = Con
opencv调用YoloV4或者YoloV3模型使用cuda加速
SeventhBlue
09-12 3123
一、环境 windows10+vs2017； cuda和cudnn； opencv440编译好的GPU版本； 二、环境配置 上述第一、二点这里就不做描述了，网上资料很多。这里重点描述怎么编译opencv440GPU版本。 第一，从这里下载opencv主模块源码和额外模块源码； 第二，安装cmake，我安装的是3.17.0版本； 第三，解压下载好的源码，为了方便区分，将解压后主模块源码文件命名为opencv440_source，新建文件夹build440GPU，为了方便管理将解压后的额外模块源码
【win10 +visual studio +opencv4.5.5】安装opencv和环境配置
weixin_46847148的博客
03-30 3673
一、opencv下载与安装 opencv镜像下载 源头博客 1、下载opencv4.5.5 2、解压文件 二、添加系统环境变量 依次选择计算机—>属性—>高级系统设置—>系统变量，找到Path变量，选中并点击编辑，然后新建把你的OpenCV执行文件的路径填进去，opencv\build\x64\vc15\bin这一段应该是一样的，前面是刚才解压的时候，自己选择的路径，然后一路点确定，这样环境变量就配置完了。 关于我的path1怎么来的 可以看我之前的博客 添加E:\opencv4.5
OpenCV + CUDA + cuDNN模块编译
不会代码的小林
08-08 2342
在追求高端性能与资源优化并重的应用场景中，如边缘计算设备或资源受限的开发板上运行YOLO等复杂深度学习模型，采用C++结合OpenCV与GPU加速技术相较于传统的Python环境展现出显著优势。这种策略不仅极大地提升了执行效率，还显著降低了运行时资源消耗，是实现实时物体检测与识别的理想选择。C++运行YOLO，安装环境稍微复杂些，不像Python一键安装pip包。本案例使用了GPU加速算法运行,所以编译OpenCV的时候需要开启CUDA和DNN模块。
YOLOv3配置（win10+opencv3.40+cuda9.1+cudnn7.1+vs2015）
warmbeast的博客
07-01 554
转载自：https://www.cnblogs.com/songhouhou/p/10805976.html （文中的红色字体部分是我自己添加的注释部分，用以记录） 最近心血来潮想学一下YOLOv3，于是就去网上看了YOLOv3在win10下的配置教程。在配置过程中塌坑无数，花了很多时间和精力，所以我想就此写一篇博客来介绍在在win10+vs2015的环境下如何配置YOLOv3。 1.安装V...
vs配置cuda11.8
最新发布
03-25
<think>好的，我现在需要帮助用户解决在Visual Studio中配置CUDA 11.8环境的问题。首先，用户提供的引用内容提到了使用mklink命令创建符号链接，以及参考了其他博客和配置路径。我需要结合这些信息，整理出一个步骤清晰的配置指南。 首先，我应该确认用户的操作系统和Visual Studio版本。根据引用中的示例，用户可能使用的是Windows系统，比如Windows 10，而Visual Studio版本可能是2019或2022。但用户现在想配置的是CUDA 11.8，需要明确支持该版本的Visual Studio版本。通常CUDA 11.8应该支持VS 2019和2022，但需要检查官方文档以确保兼容性。 接下来，步骤大概包括安装CUDA Toolkit 11.8，配置Visual Studio的项目设置，以及可能的符号链接问题。引用[1]提到使用mklink命令创建目录链接，这可能是因为CUDA安装路径与VS预期的路径不一致，需要手动创建符号链接。这可能是配置过程中的关键步骤，需要详细说明。 然后，我需要参考用户提供的引用内容，特别是引用[1]中的命令行指令。用户可能需要将CUDA的VS集成部分链接到正确的目录。例如，将CUDA 11.8的Wizards目录链接到VS 2019的Extensions下。这里要注意路径中的版本号和VS的版本号是否对应，比如“15”可能对应VS 2017，而VS 2019或2022可能需要不同的版本号。这点可能需要进一步确认，避免用户出错。 另外，引用[3]提到了CUDA的include路径，说明在配置项目属性时，需要包含正确的头文件和库文件路径。因此，在配置VS项目时，需要添加包含目录、库目录，以及附加依赖项，比如cudart.lib等。 可能的问题点包括：安装CUDA Toolkit时的选项是否正确，是否安装了与VS版本对应的组件；符号链接命令的正确使用，特别是路径中的空格需要用引号包裹；以及项目属性中的平台设置（x64）是否正确。 需要确保每一步都清晰，并提示用户验证安装是否成功，例如创建测试项目，运行简单的CUDA代码，使用nvcc编译等。此外，用户可能会遇到环境变量的问题，需要检查PATH是否包含CUDA的bin和lib目录。 最后，根据用户的要求，生成相关问题，例如如何验证配置是否成功，或者如何处理常见错误，这些都需要考虑进去。同时，引用标记需要正确添加，确保引用的内容对应到正确的来源。</think>以下是在Visual Studio中配置CUDA 11.8环境的步骤说明： ### 1. 安装CUDA Toolkit 11.8 - 访问[NVIDIA CUDA下载页面](https://developer.nvidia.com/cuda-toolkit-archive)，选择CUDA 11.8版本 - 下载后运行安装程序，**自定义安装**时勾选以下组件： - `CUDA`核心组件（必须） - `Visual Studio Integration`（与VS版本匹配的插件） - `Nsight Compute`和`Nsight Systems`（调试工具） ### 2. 创建符号链接（解决路径不匹配问题） - 打开管理员权限的命令提示符（`win + R → cmd → Ctrl+Shift+Enter`） - 执行以下命令[^1]： ```bash mklink /d "C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\Common7\IDE\Extensions\NVIDIA\CUDA 11.8 Wizards\11.8" "C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.8\extras\visual_studio_integration\CudaProjectVsWizards\15" ``` **注意**：若使用VS 2022，需将路径中的`2019`改为`2022`，且`15`可能对应更高版本号。 ### 3. 配置Visual Studio项目 1. **新建项目** → 选择`CUDA 11.8 Runtime`模板（若未显示需检查插件安装） 2. **配置项目属性**： - *VC++目录* → *包含目录*添加： ```text C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include [^3] ``` - *库目录*添加： ```text C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64 ``` - *链接器* → *输入* → *附加依赖项*添加： ```text cudart.lib;cudadevrt.lib ``` 3. **平台选择**：确保配置为`x64` ### 4. 验证环境 创建测试代码（如向量加法）： ```cpp __global__ void add(int *a, int *b, int *c) { int tid = blockIdx.x; if (tid < 1000) c[tid] = a[tid] + b[tid]; } int main() { // 主机与设备内存分配及数据传输 // 调用内核函数add<<<1000,1>>>() // 结果回传与验证 return 0; } ``` 编译运行后若成功生成`.exe`且无报错，则配置完成[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

dx0014

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值