win10+VS2017+Opencv3.4.1+libtorch开发环境搭建(1)

前面的系列文章中，我们使用C++和Opencv来实现了一个简单的5层卷积神经网络，并使用其对手写数字图像进行训练和识别。通过这一系列的学习和总结，让我对深度学习的基础知识有了更加深刻的理解。接下来，边学习边总结，请跟着我一起进入深度学习框架的学习旅程吧~首先解释一下什么是深度学习框架，我们可以把其理解成一个工具，该工具包含了神经网络、卷积神经网络中各个模块的实现代码，使用该工具可以方便地搭建自己想要的深度学习网络。就比如搭积木一样，各个积木模块是别人已经做好的，我们只需要使用这些做好的模块来搭建自己想要的形状和结构即可。

目前流行的深度学习框架有Tensorflow、Caffe、Keras、Mxnet、Pytorch等，这些框架有各自的优缺点。至于我们为什么要选择libtorch呢，主要原因如下：

1. 其实libtorch就是在Pytorch的基础上封装的一个C++库，提供了C++ API接口，在windows系统的VS C++环境可以很方便地调用这些API接口来搭建自己想要的网络。

2. 搭建libtorch开发环境比较方便，因为该框架没有那么多依赖库，甚至官方已经编译并打包好了各个版本地库，我们只需要去官网下载相对应的库来使用即可。

3. libtorch支持CUDA并行加速，速度相当快，利于后期的工程应用。

Opencv是一个图像处理算法的开源库，使用这个库可以方便地对图像进行一些基本操作，很多深度学习框架对Opencv库具有依赖性。Opencv官方编译好了一些常用版本的库供我们使用，非常方便，不过有时候我们开发环境对应的库版本并没有现成的，这时候就需要我们自己使用cmake工具来编译Opencv源码获取我们想要的库版本了，本文主要讲的就是这个。

1. 本人的开发环境

Win10 64位系统

Geforce RTX 3080显卡

VS2017

Opencv3.4.1

2. Opencv源码下载

去Opencv官网下载源码：

https://opencv.org/opencv-3-4-1/

需要注意的是，Opencv3.4.1除了主模块的源码，还包括了一个contrib源码模块，该模块中包含了另外的一些算法实现，编译Opencv源码时contrib时可选编译的。我们选择把contrib源码一起编译，因此我们需要把两个源码包一起下载下来：

3. cmake编译工具下载

同样去cmake官网下载cmake工具：

https://cmake.org/download/

根据本人的开发环境，我使用的cmake版本为cmake-3.19.7-win64-x64。

4. 新建一个编译文件夹

在某个目录（空间要足够大，编译出来的文件有8G左右）新建一个build文件夹，用于存放编译时生成的文件，为了方便区分，我把该文件命名为opencv-3.4.1-vs2017-build：

5. Configure配置

(1) 双击cmake-3.19.7-win64-x64\bin目录下的cmake-gui.exe文件，打开cmake工具：

(2) 选择源码路径和编译路径。源码路径就是我们下载下来的opencv-3.4.1文件夹的路径，编译路径也即上个步骤中我们新建文件夹的路径，在我的电脑上它们的路径分别如下，读者需要根据自己电脑上的实际路径来选择：

源码路径：E:\opencv\opencv-3.4.1

编译路径：E:\opencv\opencv-3.4.1-vs2017-build

(3) 点击上图中的configure按钮，开始初步配置。

在这里我选择的是VS2017和x64选项，因为我要编译64位库，如果读者想编译32位库则需要选择Win32。还需要注意在弹出窗口的下方选择“Use default native compilers”的选项。

按照上方配置好以后，点击Finish按钮开始配置，等待一会儿配置完成之后，出现如下界面：

(4) 修改配置选项，进一步配置。

首先需要修改的配置项如下：

a. 把BUILD_opencv_world选项勾选上

b. 在OPENCV_EXTRA_MODULES_PATH配置项选择contrib源码的路径，注意要精确到contrib源码文件夹下面的modules文件夹：

c.  如果我们的电脑上事先安装了CUDA，cmake会默认把CUDA相关的配置项勾选上，这表示要编译CUDA版本的Opencv，如果要编译成功需要踩过很多坑才行（本人亲自踩过，过程很是纠结），所以此处我们就不编译CUDA版本了，我们把CUDA相关配置项的打勾取消掉：

按照上述修改配置之后，再重新点击Configure按钮进行配置：

等一会儿配置结束之后，我们发现窗口还是红色的，那么我们需要继续点击Configure按钮进行配置，直到窗口的背景由红色变为白色为止：

到这里，我们完成了配置。

(5) 生成VS2017工程。

点击窗口的Generate按钮，生成VS2017工程，当显示如下界面时表示生成成功：

6. 使用VS2017编译Opencv源码

点击cmake工具界面的Open Project按钮，它会自动使用VS 2017来打开我们生成的Opencv源码工程：

打开的VS 2017工程如下，接下来我们需要编译该工程：

通常Opencv库分为Release版本和Debug版本，所以我们需要分别编译两个版本。这里需要注意，由于cmake生成工程的时候，我们选择的x64，所以在VS 2017界面我们也需要选择对应的x64选项，也即编译64位库，否则会编译出错。

首先，我们编译Release版本的库，在VS 2017界面设置如下图所示：

然后在解决方案资源管理器的cMakeTargets文件夹下面的INSTALL选项点击右键，再左键点击生成即可：

接下来就是漫长的等待了，祈祷顺利编译通过吧（通常不会出现什么问题~）。当出现以下提示的时候，就代表我们成功啦，耶~

这时候，我们去看看编译目录，如果出现以下文件，说明成功编译生成了我们想要的库和头文件：

(1) 在E:\opencv\opencv-3.4.1-vs2017-build\install\include目录生成了相关头文件。

(2) 在E:\opencv\opencv-3.4.1-vs2017-build\install\x64\vc15\lib目录生成了相关lib文件。

接着，是编译Debug版本的库，与编译Release版本库的步骤大同小异，只不过在开始编译之前需要把版本设置为Debug版本而已：

同样在解决方案资源管理器的cMakeTargets文件夹下面的INSTALL选项点击右键，再左键点击生成，然后又是漫长地等待^^

等到编译结束之后，我们会发现E:\opencv\opencv-3.4.1-vs2017-build\install\x64\vc15\lib目录下面又多出了两个lib文件，这就是debug版本地库：

至此，Opencv3.4.1+contrib的VS2017_x64_release_debug版本库编译完成。

7. VS2017+Opencv3.4.1环境配置

要在VS2017的C/C++代码中正常调用Opencv的函数，我们还需要做如下设置：

(1) 设置环境变量

右键“此电脑”，选择“属性”，进入系统界面：

点击进入高级系统设置，然后点击环境变量选项：

编辑系统变量的Path变量：

在编辑界面点击“新建”，并输入刚才编译生成的bin文件夹目录，本人的目录如下，读者需要输入自己电脑实际的目录，然后点击确认保存。

E:\opencv\opencv-3.4.1-vs2017-build\install\x64\vc15\bin

(2) 配置VS2017工程的头文件目录、库目录、附加依赖库

假设我们新建一个VS2017的x64/Release版本的控制台空项目，添加一个main文件，如下图所示：

为了在main函数中可以调用Opencv的函数，首先我们需要做以下设置：

a. 项目-->属性，打开属性页：

b. VC++目录-->包含目录-->选择我们编译生成的头文件目录，本人的头文件目录如下，读者需要输入自己电脑实际的目录：

E:\opencv\opencv-3.4.1-vs2017-build\install\include

c. VC++目录-->库目录-->选择我们编译生成的lib文件目录，本人的lib文件目录如下，读者需要输入自己电脑实际的目录：

E:\opencv\opencv-3.4.1-vs2017-build\install\x64\vc15\lib

d. 连接器-->输入-->附加依赖项-->添加依赖库。

如果是Release版程序，需要添加的库为：

opencv_img_hash341.lib

opencv_world341.lib

如果是Debug版程序，需要添加的库为：

opencv_img_hash341d.lib

opencv_world341d.lib

假设为Release版本的程序，添加依赖库如下图所示：

e. 在main函数添加测试代码。

#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/xfeatures2d.hpp>


using namespace cv;


int main(void)
{
  Mat img = imread("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE);
  imshow("img", img);
  waitKey();
  return 0;
}

编译、运行，如果能正确读取和显示Lena图像，如下图所示，是说明VS2017+Opencv3.4.1的环境配置成功了：

欢迎扫码关注以下微信公众号，接下来会不定时更新更加精彩的内容噢～