vs配置opencv和libtorch（2.2.2）（cuda12.0）

我宿孤栈

已于 2024-04-17 15:15:19 修改

阅读量1.4k

点赞数 14

分类专栏： # 环境配置安装教程文章标签： opencv 人工智能计算机视觉 pytorch c++ 深度学习

于 2024-04-15 16:55:08 首次发布

本文链接：https://blog.csdn.net/qq_37346140/article/details/137784528

版权

环境配置安装教程专栏收录该内容

21 篇文章 0 订阅

订阅专栏

配置opencv和libtorch（cuda12.0）

一、opencv配置
二、libtorch配置
三、BUG记录

网上很多教程刚开始都让切release模式，博主最初因为没找到哪里切换，所以用的默认的debug模式。他们配置方法一样，其区别在于

Debug：调试版本，包含调试信息，所以容量比Release大很多，并且不进行任何优化（优化会使调试复杂化，因为源代码和生成的指令间关系会更复杂），便于程序员调试。Debug模式下生成两个文件，除了.exe或.dll文件外，还有一个.pdb文件，该文件记录了代码中断点等调试信息
Release：发布版本，不对源代码进行调试，编译时对应用程序的速度进行优化，使得程序在代码大小和运行速度上都是最优的。（调试信息可在单独的PDB文件中生成）。 Release模式下生成一个文件.exe或.dll文件。

具体有兴趣的可以进一步查阅资料。
在这里插入图片描述
图里可以看到debug模式下代码正常，切换到release之后如图：

因为release模式下，opencv并未配置。所以这里博主重新配置一遍release模式下的过程。

主要是一下三个操作步骤：
右键项目点击【属性】进入一下页面：
在这里插入图片描述

一、opencv配置

1.1、opencv下载

下载地址：opencv
在这里插入图片描述

这里博主下载的是【Windows】版本，【Sources】版本是源码安装，可以参考博主另一篇博文win下C++部署深度学习模型之clion配置pytorch+opencv教程记录。

点击编辑
在这里插入图片描述
【新行】→【…】

定位到D:\opencv-4.8.0-windows\opencv\build\include后点击确定。

添加玩之后如图所示：
在这里插入图片描述

操作和1中类似，区别在于添加的目录地址不一样。
在这里插入图片描述

定位到D:\opencv-4.8.0-windows\opencv\build\x64\vc16\lib点击确定。
在这里插入图片描述

1.4、【链接器→输入→附加依赖项】

在这里插入图片描述
需要添加opencv_world480.lib文件的绝对路径地址即D:\opencv-4.8.0-windows\opencv\build\x64\vc16\lib\opencv_world480.lib
。此处大家根据自己的实际路径填写**\opencv\build\x64\vc16\lib\opencv_world480.lib。

划重点
图里有两个类似的文件opencv_world480.lib和opencv_world480d.lib。网上很多教程，有的这里添加的是前者有的是后者。博主被这个坑惨了，这里分享给大家避免踩雷。下图可以看到博主此时是在release模式下，所以对应选择opencv_world480.lib；如果是debug，则应该选择opencv_world480d.lib。否则不匹配将会发生如下错误：
在这里插入图片描述
这个问题如果排查起来很折磨人！
正确配置好后如下所示：

在这里插入图片描述

1.5、测试运行

配置完成后点击项目下【源文件】，右键【添加】→【信件项】后按下图所示新建一个cpp文件，自定义取名。
在这里插入图片描述
输入以下测试代码：

#include <opencv2\opencv.hpp> 
#include <iostream>

using namespace std;   // c++标准库中所有标识符都被定义于一个名为std的namespace中
using namespace cv;

int main()
{
    //这里给出自定义目录图片目录
	Mat img = imread("E:/6.jpg");
	if (img.empty())
	{
		cout << "该图片读取有问题" << endl;
		return 0;
	}
	imshow("test", img);
	waitKey(0);
	return 0;
}

再点击下图任一按钮即可运行程序。
在这里插入图片描述

在这里插入图片描述

二、libtorch配置

2.1、 libtorch下载

下载地址：libtorch官方下载地址
在这里插入图片描述
注意上图中标注的几项，cuda版本向下兼容，选择适配自己环境的release版本进行下载。

此处同理opencv配置，定位到2.1中下载的D:\libtorch-cu121\libtorch\include和“D:\libtorch-cu121\libtorch\include\torch\csrc\api\include”目录进行添加。

在这里插入图片描述

添加之后如图所示：
在这里插入图片描述

同理opencv 【2.3】定位到D:\libtorch-cu121\libtorch\lib进行添加。

在这里插入图片描述

2.4、【链接器→输入→附加依赖项】

定位到下图所示目录：
在这里插入图片描述

有两种方式可以添加：
方法一

将目录D:\libtorch-cu121\libtorch\lib路径下的所有lib文件添加到该位置，不同版本有不同的.lib文件，这里建议可以将其先存为一个TXT文件，方便后续出错后修改。
在这里插入图片描述

方法二
给出绝对路径地址+“*.lib”即可。
博主这里即为：D:\libtorch-cu121\libtorch\lib\*.lib 在这里插入图片描述

2.5、【配置属性】→【调试】→【环境】

按照上述配置后，进行测试，发生报错：“无法定位程序输入点?check_range@Symlnt@c10@@ .exe或是.dll”

解决方法：在调试——环境中设置lib文件夹里的DLL文件的环境变量。
编辑【环境】为PATH=D:\libtorch-cu121\libtorch\lib;%PATH%
在这里插入图片描述

2.6、试运行

输入以下代码进行测试：

#include <iostream>
#include <torch/torch.h>
#include<torch/script.h>
using namespace std;


int main()
{
	cout << "cuda是否可用：" << torch::cuda::is_available() << endl;
	cout << "cudnn是否可用：" << torch::cuda::cudnn_is_available() << endl;
	cout << torch::cuda::device_count() << endl;


	torch::Tensor tr = torch::arange(0, 9, torch::kFloat32).reshape({ 3,3 });
	cout << tr << endl;
	return 0;
}

在这里插入图片描述
如果程序返回结果都为非0，那证明CUDA以及CUDNN都是可用的，自此环境已经搭建完成，但是也有可能返回结果为0证明CUDA以及CUDNN都不可用。需要进行CUDA的配置命令：
【属性】→【命令行】，输入：

/INCLUDE:"?ignore_this_library_placeholder@@YAHXZ"

在这里插入图片描述
成功运行：

注意这里不同版本libtorch对应命令不一，博主是用的cuda12.1对应的libtorch，即LibTorch1.13.1版本。更早版本的可以参考以下命令：

libtorch1.8.1/cuda10：
/INCLUDE:?warp_size@cuda@at@@YAHXZ

libtorch1.9.0/cuda11： 
/INCLUDE:"?searchsorted_cuda@native@at@@YA?AVTensor@2@AEBV32@0_N1@Z 

libtorch1.10.2+cu113： 
/INCLUDE:?warp_size@cuda@at@@YAHXZ -INCLUDE:?searchsorted_cuda@native@at@@YA?AVTensor@2@AEBV32@0_N1@Z

三、BUG记录

3.1、 #error You need C++17 to compile PyTorch

在这里插入图片描述

这个错误导致程序直接无法运行，搜了下原因

libtorch （PyTorch C++）根据系统(Win/Mac/Linux)和GPU/CUDA(version) 选择install 之后就可通过Cmake find_package 直接使用，但是默认编译libtorch 为 C++14,如果和其他 C++17 编译得到的库共同链接到项目，就可能产生一系列问题：如下图，原因是先链接 C++14 编译的torch，会将编译设为 C++14，再去链接C++17的库，就无法识别C17加入标准库的内容，编译报错。

网上很多教程都没用，最后我是从版本入手，想着直接修改C++版本，最后成功解决，而且极为简单。
【常规】→【C++语言标准】，初次打开是默认的C++14，这里改为C++17即可。
在这里插入图片描述

3.2、“LNK 200:/INCLUDE:?warp_size@cuda@at@@YAHXZ -INCLUDE:?searchsorted_cuda@native@at@@YA?AVTensor@2@AEBV32@0_N1@Z 未识别的指令”

这个就是cuda配置的时候添加了和版本不适配的命令，按照【2.5】种cuda配置进行修改即可。

3.3、 “#error std 不明确的符号”

在这里插入图片描述

把《符合模式》改为否；

在这里插入图片描述

3.4、由于找不到xxx.dll,无法继续执行代码，重新安装程序可能会解决此问题

2种方法可以解决。

方法1：将缺失的.dll文件拷贝到工程目录里，即“当前工程的Example\build\Release（或debug，取决于你是采用release还是debug模式）”里，或者说放置在工程编译后的可执行文件同一目录下。
方法2：即【2.5】中的方法，直接在【配置属性】→【调试】→【环境】中添加添加libtorch动态库的路径PATH=**\libtorch-cu121\libtorch\lib;%PATH%

3.5 由于找不到VCRUNTIME 140_1D.dll,无法继续执行代码

除了外部动态库，程序还需要一些windows系统自带的动态库，但有的时候也会出现找不到这些库的情况，这大概率是因为你的系统里就是没有这些库。
解决方法也很简单，只需要去https://www.dll-files.com/网站下载你缺少的dll动态库，得到该文件的压缩包，然后解压把该.dll文件复制到C:\Windows\System32目录下即可。

更多BUG可以参考BUG

终于结束。踩雷无数，在解决问题中进步吧。

有什么问题欢迎私信博主！

我宿孤栈

关注

14
点赞
踩
7

收藏

觉得还不错? 一键收藏
打赏
0
评论
vs配置opencv和libtorch（2.2.2）（cuda12.0）

网上很多教程刚开始都让切release模式，博主最初因为没找到哪里切换，所以用的默认的debug模式。他们配置方法一样，其区别在于Debug：调试版本，包含调试信息，所以容量比Release大很多，并且不进行任何优化（优化会使调试复杂化，因为源代码和生成的指令间关系会更复杂），便于程序员调试。Debug模式下生成两个文件，除了.exe或.dll文件外，还有一个.pdb文件，该文件记录了代码中断点等调试信息。
复制链接

扫一扫