setUpNet DNN module was not built with CUDA backend； switching to CPU

最新推荐文章于 2023-07-23 22:10:12 发布
最新推荐文章于 2023-07-23 22:10:12 发布
阅读量4.6k 收藏 3
点赞数
分类专栏： opencv 文章标签： opencv
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/qq_34717531/article/details/108354905
版权

[ WARN:0] global /tmp/pip-req-build-sw_3pm_8/opencv/modules/dnn/src/dnn.cpp (1429) setUpNet DNN module was not built with CUDA backend; switching to CPU

解决办法1：如果编译opencv4.4的时候已经编译了cuda还是报这个错。

就执行一下sudo ldconfig就可以了。

解决办法2：可能是opencv-python版本问题，

pip uninstall opencv-python==4.4.0

  即可

学术菜鸟小晨
关注
专栏目录
Opencv 之 DNN 与 CUDA综述
yohnyang的博客
01-27 1541
Opencv 之 DNN 与 CUDA综述
使用GPU预训练模型的时候报错 No supported gpu backend found!
最新发布
SophiaC2020的博客
08-26 226
然后根据GPU的型号安装cuda、cuDNN、和GPU版本的torch。对于标题的报错，首先确认自己电脑是否有GPU，驱动时是否正常。NVIDIA官网安装cuda对应的GPU版本的torch。
Ubuntu18.04安装CUDA10.2 CUDNN7.6.5 部署基于darknet框架的YOLOV4并进行CPU以及GPU测试
wyl的博客
01-26 5273
Ubuntu18.04部署基于opencv3.4.4 及 darknet框架的YOLOV4 再安装CUDA CUDNN 用GPU跑和训练模型部署基于opencv3.4.4 及 darknet框架的YOLOV4一、首先进行OPENCV3.4.4的安装二、下面需要进行darknet部署和yolov4权重的下载三、CPU编译，用官方训练好的权重文件进行编译对图片进行识别安装显卡驱动及检查安装是否成功安装cuda及检查安装是否成功安装cudnn及检查安装是否成功 部署基于opencv3.4.4 及 darknet框
warning: setUpNet DNN module was not built with CUDA backend； switching to CPU错误解决
NENGSHUIYIZHOU的博客
09-04 6028
warning: setUpNet DNN module was not built with CUDA backend; switching to CPU问题解决
Cuda加速:setUpNet DNN module was not built with CUDA backend； switching to CPU
fixed_zhang的博客
12-01 7487
文章目录准备工作(第二步最重要)编译cmake编译选项（仅供参考，自行适配） 准备工作(第二步最重要) 下载opencv 4.4.4以及相应版本的opencv_contrib 修改cmakelist，在opencv\modules\dnn\CMakeLists.txt文件中添加 add_definitions(-DHAVE_CUDA=1) 尝试了很多教程，但是他们都漏了这一个关键的点，因为只有定义了HAVE_CUDA这个宏之后，相应的代码才会被编译进去 编译 参考 linux编译cuda加速
warning: setUpNet DNN module was not built with CUDA backend； switching to CPU
XMJ的博客
11-30 3224
warning: setUpNet DNN module was not built with CUDA backend; switching to CPU 解决办法：如果通过cmake安装opencv，请删除配置文件中低于 7 的CUDA_Arch_Bin版本，然后重新构建/重新安装opencv。 注意：如果您使用pip / sudo apt install安装opencv，请使用cmake代替cuda。 参考链接 ...
【计算机基础】ipv6和ipv4的区别
欢迎时常光顾我的干货超市，热衷于AIoT！！
08-08 5640
网络发展的四大阶段 阶段1 阶段2 阶段3 阶段4 ipv6和ipv4的区别 references
xml学习笔记
04-14
XML（eXtensible Markup Language）是一种用于标记数据的语言，其设计目的是传输和存储数据，而非显示数据。它强调结构化的内容，使得数据独立于显示样式，因此在各种应用程序之间交换数据变得更加方便。...
opencv-python dnn模块调用GPU
本人专业不对口，纯兴趣学习
07-23 572
在python上用dnn模块调用GPU进行运算
vs2017+opencv4.5.0+opencv_contrib-4.5.0+CUDA11.6+DNN模块
08-03
在本项目中，我们关注的是一个基于Visual Studio 2017的集成开发环境，结合了OpenCV 4.5.0库，opencv_contrib-4.5.0扩展模块，以及CUDA 11.6的集成，特别是针对深度学习目标识别的DNN（Deep Neural Network）模块的...
QTP-Addin 对象的讲解.rar
07-31
QTP-Addin 对象的讲解.rar
计算机SQL 语句大全
03-17
在程序开发中，会使用到数据库，然而数据库的使用先得会使用SQL语句。本文详细介绍了SQL语句的各种使用，让你不再为写SQL语句烦恼！
Si4455.pdf
03-05
Si4455无线收发芯片。覆盖多频段，低功耗，距离长，可支持调频等， 无线与频率成反比，在低功耗、长距离通信或穿墙能力上，sub-GHz射频更有优势。对于许多应用，433MHz成为2.4GHz的全球替代品（但日本不允许其用于无线应用）。基于868MHz和915MHz的设计可用于美国和欧洲市场。对于系统集成商来说，既可选择在某些特定区域进行性能优化，或者配合公共事业公司在广阔区域设计系统。在这种多样化中，与2.4GHz频段相比，sub-GHz频段频谱干扰更少。干扰较少的频段能提高网络的整体性能，减少传输中的重传次数。是长距离和低功耗通信的理想选择Si4455能够支持主要的全球监管标准，如FCC、ETSI、ARIB和中国监管标准。
如何在far_planner 中使用yolov4 之加入dnn检测模块 之ROS Noetic with yolov4 in Opencv DNN module
weixin_39977764的博客
06-19 1607
今天讲的是如何在noetic里用dnn模块来使用yolov4yolov4 ros noetic这篇文章给了很大的启发，不过在处理opencv的问题上，现在主流的做法是不去动noetic里本身的cv_bridge了，而是在pkg里加入一个opencv的bridge包。众所周知，noetic里配的是3.2版本的cv，太老了，没有办法用dnn模块（dnn至少要3.3以上的opencv才会有）。所以，先去opencv的官网下载source。我下载的是OpenCV – 4.5.4解压opencv然后 2.创建ro
windows上yolov5 opencv dnn c++部署 cuda加速
热门推荐
weixin_46596757的博客
03-12 1万+
问题记录 ①export导出onnx文件报错 ONNX export failure: No module named 'onnx' 解决方法：在环境中下载onnx
opencv调用gpu编译过程中遇到的问题和相关文件
雅痞匪徒(Nike)的博客
05-25 4410
我一直在想一个东西，当我训练好了一个模型，比如我训练好了yolo系列的模型，然后我可以通过opencv来加载这个模型然后去预测物体，但是opencv默认是cpu运行，这就导致了运行这个模型的速度很慢，也就导致了检测物体的速度很慢，我习惯了使用python，所以我就想着在python上调用opencv的gpu接口，但是网上一搜索，基本上都是针对opencv在c++上进行gpu接口的调用，找来找去，总算找到一个文档了，按照里面的操作，将我之前写的yolov3-opencv代码改了一下，如下所示: mod
OpenCV 4 快速运用cv::dnn::DNN_BACKEND_CUDA
beingod0的摸爬滚打
11-01 1万+
首先需要确保使用的opencv4为最新的版本，该版本需要支持 cv::dnn::DNN_BACKEND_CUDA 变量的声明使用 这里我在github上放了一个简单使用opencv4调用yolov3的链接 项目链接 具体关键代码段 读入权重和网络结构，调用cv::dnn对应的后端设置函数 net = cv::dnn::readNetFromDarknet(modelConfigurati...
DNN Module PictureGallery 效果图
weixin_34315665的博客
03-24 88
1. 绑定新闻图组 利用jquery.flashSlider-1.0.min.js实现 点击图片链接到画廊展示页面， 2.画廊展示页面 展示每一组的所有图片，以及图组的描述、每张图片的标题，会随图片的切换而变化 转载于:https://www.cnblogs.com/Barret/archive/2011/03/24/1993410.html...
cv::dnn::DNN_BACKEND_CUDA
07-14
cv::dnn::DNN_BACKEND_CUDA 是 OpenCV 中的一个类，用于指定使用 CUDA 运行神经网络模型的后端。CUDA 是 NVIDIA 开发的并行计算平台和编程模型，可以利用 GPU 的并行处理能力来加速深度学习模型的推理过程。 通过将 DNN_BACKEND_CUDA 设置为 cv::dnn::DNN_BACKEND_CUDA 或 cv::dnn::DNN_BACKEND_CUDA_FP16，可以告诉 OpenCV 使用 CUDA 后端来加速神经网络的推理。这需要在编译 OpenCV 时启用 CUDA 支持。 需要注意的是，要使用 DNN_BACKEND_CUDA，你的系统必须具备 NVIDIA GPU 和相应的 CUDA 驱动。此外，还需要安装 CUDA 工具包和 cuDNN（CUDA 的深度神经网络库）来支持 CUDA 加速。
评论 6
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

学术菜鸟小晨

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