win10下VS2015编译OpenCV4.2.0的dnn模块调用yolov3模型和CUDA10.2+cudnn7.6.5.32

opencv自4.2.0后dnn模块开始支持GPU加速,所以需要手动编译opencv模块才能用,环境配置:win10,VS2015,CUDA10.2,cudnn-10.2-windows10-x64-v7.6.5.32,cmake3.16.3,opencv_contrib-4.2.0,安装步骤参考:https://blog.csdn.net/length85/article/details/103767475,我就简单记录一下自己的问题。

编译好的opencv_world420.dll有将近500MB,比不编译CUDA的大了十多倍,编译好的dll文件上传到了网盘:

链接:https://pan.baidu.com/s/1oFW1yeB6fHQWkFdKqxGSig 提取码:drp3

 

1.编译opencv之前,需要先安装CUDA和cudnn, cuda好像只能安到默认目录C盘,尝试了两次D盘均不成功,还自动重启。

2. 解压NVIDIA官网下载的cudnn,将文件拷贝到cuda对应目录下。

3. 解压opencv,在根目录下新建一个build文件夹,打开cmake的gui界面设置opencv目录设置和编译build目录。

4.其余按照参考文章opencv4.2.0 源码编译,win7+VS2015,DNN模块支持cuda加速 配置,勾选WITH_CUDA,BUILD_opencv_world ,OPENCV_DNN_CUDA,配置出现红色条目,再次点击config配置直到没有出现红色。

5.对于cmake 配置configuration有些不能下载下来的包,会导致最终编译错误,可以查看build/CMakeDownloadLog.txt日志,找到下载链接,用迅雷下载下来,放到源码下的.cache文件夹下的对应目录,按照配置时下载的格式重新命名,这样配置完才能编译,先参考上面的博客 把源码的一些错误改了再开始编译,节约时间。

6.

编译出现乱码,出现警告OpenCV Build process warning : field of class type without a DLL interface used in a class with a DLL interface!可以忽略,最后仍旧编译成功了。

7. 编译一次根据电脑性能时间一到几个小时不等,晚上回去的时候开始编译,第二天就好了。

编译好的库文件放到了CSDN。资源链接:https://download.csdn.net/download/qq_30460905/12352572

2020.06.21补充

Ubuntu 16.04 下面编译不需要更改代码,ippicv和face_landmark_model.dat可以用迅雷下下来拷过去,boostdesc_bgm.i等可以参考博客:https://blog.csdn.net/jiaken2660/article/details/104132060,下载下来后放把文件放到opencv_contrib-4.2.0/modules/xfeatures2d/src 下面,重新编译,亲测可行!

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    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CUDAOpenCV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 2
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