![16e3388214b73973ae5d76501fd17316.gif](https://i-blog.csdnimg.cn/blog_migrate/f7345c4be3cebdfa16daaf2549b3b37a.gif)
点击上方蓝字关注我们
微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识
作者博客:https://blog.csdn.net/weixin_39928773
CUDA安装与配置
根据自己的GPU 选择合适的版本,我的是RTX2080Ti,选择CUDA10.0版本,按照默认地址安装就好,安装完之后看是否有环境变量。没有的话自己加上。
以及,
cuDNN
cuDNN一定要7.5版本以上,否则CMake将无法识别出cuDNN路径。
打开下载好的cuDNN,如下图
将cuDNN中bin、include、lib文件夹中的文件放入对应CUDA路径下的文件夹中
CMake编译
打开CMake,选择源码路径,以及生成路径,选择对应VS版本。开始第一次Configue。
其中会下载一些第三方文件,可以自行下载,否则速度较慢。第一次configure完成之后,勾选BUILD_opencv_world.
以及,勾选OPENCV_DNN_CUDA,选择解压好的opencv_contrib中modules路径添加进来。
勾选WITH_CUDA。
进行第二次Configure,Configure完成之后可能会报错,此时不管他,根据GPU算力表选择合适的CUDA_ARCH_BIN值,如我的是RTX2080Ti,则将CUDA_ARCH_BIN其余值删除,只留下7.5。然后勾选CUDA_FAST_MATH,点击Configure。
等待Configure完成之后,查看是否检测到了CUDA和cuDNN,都出现YES之后,说明没有问题。这边是一个坑,需要注意,如果没有检测到的话,需要确认是否CUDA和cuDNN版本正确,否则后面的编译将不会编译CUDA模块,白白浪费时间。确认之后,点击Generate。
点击Open Project打开工程,在Release模式下右键点击ALL_BUILD,生成,时间较长
生成之后,右击INSTALL->仅用于项目->仅生成INSTALL
到这边就编译好了,Debug版本同理
运行测试
添加环境变量。
在测试代码中配置包含目录和库目录,添加附加依赖项,opencv_world420.lib
由于项目的关系,代码就不贴出来了,官方提供了一份代码示例。
在我自己的项目上运行,首先是CPU版本(I9-9900K),推理时间在22.45ms。
CUDA版本(RTX 2080Ti),推理时间是2.16ms。提升了10倍左右。
顺便贴一个OpenVINO推理引擎的运行效率,大概是8.17ms左右
总结
opencv和opencv_contrib版本要对应
在下载部分第三方库时也要找好对应版本。
勾选WITH_CUDA 、OPENCV_DNN_CUDA。
一定要查看cuDNN版本是否正确,否则几个小时的编译将是浪费时间。
最好使用VS2017版本,VS2015测试出现异常,编译失败。
推荐阅读
OpenCV加速与优化,让代码执行速度飞起来
详解对象检测网络性能评价指标mAP计算
OpenCV中图像二值化函数调用几个关键点详解
OpenCV中如何提取不规则ROI区域
对象检测新趋势anchor-free模型之CenterNet
anchor-free对象检测网络CornerNet详解
升级到tensorflow2.0,我整个人都不好了
CPU上跑深度学习模型,FPS也可以达100帧
OpenVINO深度学习推理框架 开发技术系列文章汇总
OpenCV4 | 如何一行代码搞定SSD模型推理与结果解析