win10 vs2017编译opencv 4.5.4+cuda11.1+cudnn8.0.4

先说一下我的需求:在win10中,显卡是3070的机器上,使用的IDE是Qt,实现基于open pose的旗语的检测。说白了就是自己编译一个能使用cuda加速的一个opencv,利用opencv的dnn模块的接口实现对深度学习模型的调用。在这里只记录一个环境配置的过程。

本机环境:win10  RTX3070  Qt 5.9.2 msvc编译器 

下面只记录比较重要的一些过程,给大家一些参考。

1、第一步,先安装QT。大部分安装Qt,就自带了里面的mingw编译器,但是想要编译能用cuda加速的opencv,我使用mingw编译器,没有把opencv编译成功。我猜大概是mingw搞定不了opencv +cuda的编译(不确定,猜想)。所以就安装vs了。肯定需要安装vs2015及其以上的版本,15,17,19三个版本中,查看了很多资料,了解到应该是2017在编译opencv中最不容易出现问题。最好是用vs2017。

如果你在安装QT过程中没有选择msvc2017的话,就应该得重新安装一下了。Qt配置msvc编译器的教程百度一下就可以。安装完记得配置一下QT 的环境变量。记住根据自己的Qt安装位置来配置。然后运行一下Qt能用说明第一步就完成了。

2 第二步就是安装cuda和cudnn两个。安装这个两个时候要注意自己机器是什么显卡的,省的后期得重新装。这个涉及到显卡的算力问题。就像我的机器是3070的显卡,算力是8.6(根据自己显卡就能百度查)。必须配置cuda11.1及其以上

### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNNCUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDAOpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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