win10+cuda+cudnn 配置

参考资料:https://blog.cetcweb.cn/archives/32

                https://www.jianshu.com/p/9bdeb033e765
                https://blog.csdn.net/u010618587/article/details/82940528

【软件需求】:   运行别人的程序,故主要提供旧版软件网址;

                         cuda历史版本下载地址https://developer.nvidia.com/cuda-toolkit-archive

                          cudnn下载地址(https://developer.nvidia.com/rdp/cudnn-archive
        (难点一)注:CUDNN需要与CUDA版本对应,CUDA版本需要与操作系统、系统架构对应。且CUDNN的下载需要注册Nvidia账号。


【概要步骤】
一、安装CUDA主程序

二、配置CUDA环境变量

三、测试CUDA环境

四、安装CUDNN

【详细步骤】

1)   查看显卡可支持版本(本人显卡为2080)。

小图标显示控制面板------nivida控制面板------系统信息-------组件

双击CUDA安装包:cuda_10.1.243_426.00_win10.exe(建议比规定版本高一点,但不建议用最新版,也会报错)

等待安装程序初始化后,一路下一步即可。(默认安装)

2) 按照如下步骤配置环境变量:

右键此电脑->属性->高级系统设置->高级->环境变量

如果CUDA正常安装会自动添加两个环境变量(以前装的10.0版本)

难点二)cuda 配置      

    CUDA_BIN_PATH=%CUDA_PATH%\bin

    CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

    CUDA_SDK_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

    CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64

    CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

在原有的PATH变量中添加:

     %CUDA_BIN_PATH%;

     %CUDA_LIB_PATH%;

     %CUDA_SDK_PATH%;

    %CUDA_SDK_LIB_PATH%;

    %CUDA_SDK_BIN_PATH%;

 

3) 测试CUDA是否安装成功:

使用WIN+R组合键调出CMD命令行:

输入nvcc -V                                       #V 一定要大写字母

结果:出现Cuda compilation tools, release 10.1, V10.1.168等,若出现类似结果,则CUDA环境部署成功。

注意:部署成功不一定就能正常运行,版本之间的不匹配也会影响程序的正常运行。

4) 安装CUDNN

CUDNN的安装相对简单。我采用的是把三个文件夹直接拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0,中,让他们自己找对应的目录存放。

将下载的CUDNN压缩包解压至桌面,并将文件夹中的文件拷贝至CUDA的安装目录下。

bin目录 拷贝至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

include目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include

lib\x64目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

  • 2
    点赞
  • 1
    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cuDNNCUDA 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。
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