CV-CUDA使用gpu读取并处理图片

参考：https://zhuanlan.zhihu.com/p/584600231
https://baijiahao.baidu.com/s?id=1752902449981972686&wfr=spider&for=pc
开源地址：https://github.com/CVCUDA/CV-CUDA
NVIDIA 携手字节跳动机器学习团队开源众多图像预处理算子库CV-CUDA，它们能高效地运行在 GPU 上，算子速度能达到 OpenCV（运行在 CPU）的百倍左右。如果我们使用 CV-CUDA 作为后端替换OpenCV 和 TorchVision，整个推理的吞吐量能达到原来的二十多倍。此外，不仅是速度的提升，同时在效果上 CV-CUDA 在计算精度上已经对齐了OpenCV，因此训练推理能无缝衔接，大大降低工程师的工作量。
下载，编译
报错1，cmake版本不匹配，下载3.22版本，gcc版本不匹配，下载gcc11，升级完报cuda不匹配，升级nvidia驱动版本和cuda版本，nvidia515，cuda11.7
报错2，缺少依赖项，

CMake Error at 3rdparty/CMakeLists.txt:30 (add_subdirectory):
  The source directory

    CV-CUDA-release_v0.2.x/3rdparty/googletest

  does not contain a CMakeLists.txt file.

参考：https://blog.csdn.net/qq_43140627/article/details/119766876
进入CV-CUDA-release_v0.2.x/3rdparty目录，执行：

git clone https://github.com/google/googletest.git

报错3，文件格式不对，

/usr/bin/ld:CV-CUDA-release_v0.2.x/src/util/stubs/libdl-2.17_stub.so: file format not recognized; treating as linker script
/usr/bin/ld:CV-CUDA-release_v0.2.x/src/util/stubs/libdl-2.17_stub.so:1: syntax error
collect2: error: ld returned 1 exit status
src/nvcv_types/CMakeFiles/nvcv_types.dir/build.make:312: recipe for target 'lib/libnvcv_types.so.0.2.0' failed
make[2]: *** [lib/libnvcv_types.so.0.2.0] Error 1
CMakeFiles/Makefile2:743: recipe for target 'src/nvcv_types/CMakeFiles/nvcv_types.dir/all' failed
make[1]: *** [src/nvcv_types/CMakeFiles/nvcv_types.dir/all] Error 2
Makefile:155: recipe for target 'all' failed
make: *** [all] Error 2

参考：https://blog.csdn.net/qq_39093373/article/details/118220195
是原始文件有问题，去小目录重新下载再替换即可。
https://github.com/CVCUDA/CV-CUDA/issues/6
测试了，可用，不过得在https://github.com/CVCUDA/CV-CUDA/tree/release_v0.2.x/src/util/stubs网页端下直接点Download下载，而不能下载全部源码后才在src/util/stubs拿。

报错4，缺少依赖项，

CMake Error at CMakeLists.txt:29 (add_subdirectory):
  The source directory

    CV-CUDA-release_v0.2.x/3rdparty/pybind11

  does not contain a CMakeLists.txt file.

解决：

git clone https://github.com/pybind/pybind11.git

编译

ci/build.sh

(编译build_doc.sh和build_sample.sh报错，暂时跳过)
编译build.sh成功之后修改~/.bashrc文件，参考：
https://github.com/CVCUDA/CV-CUDA/issues/11
然后在base环境运行：

import cvcuda
import nvcv

可以正常导入。
但是在anaconda的env环境导入不成功。需要在env环境重新编译。编译完成后继续在~/.bashrc文件中添加生成的python路径，即可正常导入。
测试

CV-CUDA-release_v0.2.x$ python tests/cvcuda/python/test_opchannelreorder.py

测试脚本都可以正常运行。
运行测试demo
CV-CUDA-release_v0.2.x/samples/classification/python/inference.py
安装torchnvjpeg库。
https://github.com/itsliupeng/torchnvjpeg
报错：Line 679: ‘’ failed: no kernel image is available for execution on the device
报错同https://github.com/CVCUDA/CV-CUDA/issues/14，暂未看到解决办法，先搁置。