win7+vs2008+cuda5.x 环境配置二

接着上一篇配置,未看到成果的开发环境,继续配置,回家拿GT520显卡笔记本进行试验,终于成功:

 

1 首先在官方网站上下载cuda安装包,官网只会保留最新的开发包,目前是出道5.x系列的cuda。5.x系列不同于之前的系列两大区别——

第一,集成了sdk和tool于一体,下载msi文件后直接安装,环境配置将自动完成。
安装好后,你要看显卡驱动是否安装好了,如果没有安装好,你打开NVIDIA CUDA Samples Browser v5.0里面的任何程序实例,都将无法执行,因为你电脑里没有支持的显卡驱动程序。这个

解决方法很简单,在你的程序目录下,打开一个让你安装的显卡驱动,点击安装即可,我是尝试了好几次才发现的,反正安装下就可以了。这个安装程序也在cuda5.x开发包之中。

第二,从3.x系列开始,cuda就不支持模拟开发环境,所谓的模拟就是用cpu多线程来模拟gpu;5.x系列必须要求你的显卡是g-8000以上的系列。

 

2 下载安装完成后,打开vs2008,【工具】-【选项】-【项目和解决方案】-【VC++项目设置】-【C/C++文件扩展名】添加上*.cu【包括的扩展名】添加上.cuh;-【VC++目录】-【包含文件】

添加上C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\5.x\include,以前的版本是需要添加两个路径的,但是现在是集成到一体了。还有【库】中添加上cuda路径下的lib路径。

 

3 设置你的高亮,这个和上一篇中讲的一样。另外vs2008和vx助手都和之前的一样配置。

 

总之,5.x系列的cuda开发包,主要特点是集成,其安装应该是说比之前的都简单了。

几个步骤都弄好后,打开vs2008,新建cuda项目,编译,虽然很有多警告,但是,是cuda里面的,我们忽略。应该能正常执行了!这一刻,将开启cuda并行程序之路。希望对你有帮助。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNN(CUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDA和OpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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