Anaconda3—具有Windows 10的CUDA GPU支持的OpenCV

本文将逐步介绍如何编译OpenCV以包括CUDA GPU支持，以便可以在基于视觉的机器学习项目中使用它。

Pre：我之所以决定写这篇文章，是因为我发现现有指南缺少一些更详细的信息，无法说明如何使用CUDA GPU支持从源代码构建OpenCV，以便将其导入python3.8conda环境。大多数人都以构建过程结束，但低估这只是使OpenCV在项目中正常工作的第一步。

先决条件

在开始之前，我们必须下载一些文件，安装一些程序。我还将假设你正在将Anaconda软件包管理器环境用于Python 3.8，并将其设置为启用的默认python和环境变量。如果没有，我不确定以下内容是否对你有用。我不建议偏离主要任务。

Anaconda软件包管理器环境：https://www.anaconda.com/distribution/#download-p

1. Visual Studio 2019

请确保VisualStudio 2019安装了“带有C++的桌面开发”包。这是在Visual Studio的安装过程中完成的。

如果你已经安装了VS2019，但是不确定是否已安装工作负载，可以通过安装可执行文件重新安装（修改）来完成。

使用C ++开发的Visual Studio 2019

2. OpenCV和OpenCV贡献文件

在计算机上的某个位置创建一个名为“ OpenCV_Build”的文件夹。它不必确切地命名为这个，你要看一眼就知道它是什么。然后，你将同时下载OpenCV和OpenCV contrib.zip。

OpenCV：https://github.com/opencv/opencv/archive/4.4.0.zip

OpenCV contrib：https://github.com/opencv/opencv_contrib/archive/4.4.0.zip

下载完成后，解压缩zip并将生成的文件夹移到OpenCV_Build中。它应该类似于：

OpenCV_Build/opencv-4.5.2 OpenCV_Build/opencv_contrib-4.5.2

你要确保它们都是相同的版本（在本例中为4.5.2）。

我还想确保它们是顶级目录，而不是嵌套在具有相同名称的文件夹中，但这不是完全必要的，只是使得我们的环境路径更加精简。

3. CMake GUI

下载并安装CMake GUI

CMake GUI：https://cmake.org/

我使用的是3.20.2版，但是安装哪个版本都没有关系。

4. CUDA 11.0工具包

下一步，你必须在Nvidia网站上注册才能下载并安装CUDA工具包，该工具包既快速又简单，完全不需要花费很多时间。

下载CUDA工具包：https://developer.nvidia.com/cuda-downloads

5. cuDNN

此步骤与上一步非常相似，但是你必须下载cuDNN才能利用DNN CUDA后端。

下载cuDNN：https://developer.nvidia.com/rdp/cudnn-download

在Nvidia开发人员程序中注册后，你将需要选择显示以下内容的版本：

“for CUDA