在Ubuntu 20.04中使用CUDA安装OpenCV 4-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

OpenCV编译过程的屏幕截图。

安装预编译版本的OpenCV可能会导致您无法充分利用cuda硬件，这在GPU加速方面非常强大。。

在本文中，我们将使用带有CUDA和cuDNN的预安装环境从源代码构建OpenCV。

1.先决条件

1.1 CUDA和cuDNN

主要前提是安装NVIDIA CUDA工具包和NVIDIACUDA深度神经网络库(cuDNN)库。

如果您尚未安装这些，我建议您按照我之前的指南安装它们

设置后，让我们继续依赖关系。

1.2依赖关系

CMake和GCC需要配置安装和编译项目：

$sudo apt安装cmake

$sudo apt安装gcc g＋＋

为了支持Python 3的安装，我们需要Python(大多数Ubuntu版本都已预装).Python-devel和Numpy：

$sudo apt安装python3 python3－dev python3-numpy

GUI功能.相机支持(v4l).媒体支持(ffmpeg.gstreamer…)等需要GTK：

$sudo apt安装libavcodec－dev libavformat－dev libswscale－dev

$sudo apt安装libgstreamer－plugins－base1.0－dev libgstreamer1.0－dev

$sudo apt安装libgtk－3－dev

下一个依赖项是可选的，但添加了对PNG.JPEG.JPEG2000.TIFF.WebP和其他格式的最新支持：

$sudo apt安装libpng－dev libjpeg－dev-libopenexr－dev-llibtiff－dev-labwebp－dev

现在，使用Git下载OpenCV存储库：

$git克隆https:／／github.com／opencv／opencv.git

我们还将下载OpenCV附加模块(CMake标志-D OpenCV_EXTRA_MODULES_PATH)存储库。这些模块需要与OpenCV一起使用CUDA功能。

$git克隆https:／／github.com／opencv／opencv＿contrib.git

2.确定CUDA架构版本

CMake要求CUDA_ARCH_BIN设置一个标志，以使用正确的CUDA架构编译二进制文件。如果此标志设置不正确，二进制文件的最终使用将失败。

要正确设置标志，请首先使用英伟达smi L命令确定nvidia GPU型号：

现在转到https:／／developer.nvidia。com／cuda－gpus并找到您的GPU型号。

就我而言，我必须启用CUDA的GeForce和TITAN产品，然后找到GeForce GTX 1050：

在型号名称旁边，您将看到GPU的计算能力。这是NVIDIA GPU架构版本。它将是CMake标志的值：CUDA_ARCH_BIN=6.1

3.准备使用CUDA和cuDNN支持编译

我们将使用一组CMake标志来编译OpenCV。您可以在本文末尾找到这些详细的参考资料。

准备生成目录：

美元cd～／opencv

$mkdir建造

美元cd构建

使用以下标志运行CMake：

cmake公司

－D CMAKE＿BUILD＿TYPE＝发布

－D CMAKE＿安装＿前缀＝／usr／本地

－D，带_ CUDA＝开

－D，其中_ CUDNN＝开

－D，其中_立方＝开

－D，其中_ TBB＝开

－D OPENCV＿DNN＿CUDA＝打开

－D OPENCV＿启用＿非自由＝打开

－D CUDA＿拱形＿箱＝6.1

－D OPENCV＿EXTRA＿MODULES＿PATH＝$HOME／OPENCV＿contrib／MODULES

－D构建_示例＝关闭

－D有_opencv _python3＝ON

．．

您应该具有类似于以下的输出：

．．．

–CXX编译器标识为GNU 9.4.0

．．．

–执行测试。。。

．．．

－－OpenCV 4.5.5的一般配置－dev＝＝＝＝

．．．

-NVIDIA CUDA：是(11.6版，CUFFT CUBLAS)

NVIDIA GPU架构：61

NVIDIA PTX拱门：

－－

－cuDNN：是(8.3.2版)

．．．

—配置完成

–生成完成

–构建文件已写入：／home／j／opencv／Build

这表示预构建成功。

4.编译支持GPU加速的OpenCV

如果CMake没有错误，我们可以编译OpenCV。

我们只需要知道我们的CPU有多少内核可用。为此，请使用以下lscpu命令：

找到我们将在下一个命令中使用的CPU设置。

为了最终编译OpenCV，请使用make和-j或-jobs选项。此选项指定同时运行的作业数。它的值必须等于我们之前发现的内核数：

$make-j 8美元

就我而言，完成这项工作需要半个小时。

5.安装OpenCV

通过CUDA和cuDNN编译支持GPU加速的OpenCV后，我们可以像下载预编译包一样安装它。

在构建目录中，运行以下命令：

美元sudo制造安装

然后使用ldconfig创建必要的链接并将其缓存到我们新安装的OpenCV：

美元sudo ldconfig

最后一步是为Python 3创建一个到OpenCV绑定的符号链接，以供全局使用。如果您使用默认的Ubuntu安装，这是必要的，因为它的可执行文件将在目录中找到包dist包，并且OpenCV将默认安装在站点包中。

为此，请运行以下命令：

$sudo ln－s／usr／local／lib／python3.8／site－packages／cv2／usr/local／lib／pyton3.8/dist－package／cv3

使用python3解释器和cv2.cuda。printCudaDeviceInfo(0)以验证库是否正常工作：

就是这样。

清楚的

安装后，一些文件不再需要，可以安全删除：

美元cd～

$rm－rf opencv opencv＿控制

使用的CMake标志引用

·CMAKE_BUILD_TYPE=RELEASE:禁用调试选项

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿general＿debug

·CMAKE_INSTALL_PREFIX＝／usr／local：设置生成的二进制文件的根目录

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿install＿root

·WITH_CUDA＝ON：启用CUDA支持

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿func＿hetero

·当_CUDNN＝ON时：(未记录)启用CUDNN支持

·WITH_CUBLAS＝ON：(未记录)启用CUBLAS支持

·WITH_TBB=ON：使用线程构建块启用并行编程

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿func＿core

·OPENCV_DNN_CUDA＝ON：启用CUDA后端并构建DNN模块(需要CUDA.cuDNN和cuBLAS)

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿dnn

·OPENCV_ENABLE_NONFREE＝ON：启用专利算法

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿misc

·CUDA_ARCH_BIN=6.1：指定NVIDIA GPU架构版本(请参阅第3节)

·https:／／github.com／opencv／opencw／blob／4.x／cmake／OpenCVDetectCUDA.cmake＃L217

·OPENCV_EXTRA_MODULES_PATH=$HOME/OPENCV_contrib/MODULES:其他模块，包括OPENCV

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿general＿contrib

·BUILD_EXAMPLES=OFF：禁用生成示例

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿general＿tests

·HAVE_opencv_python3=ON：强制依赖opencv_python3

·https:／docs.opencv.org／4.x／db／d05／tutorial＿config＿reference.html＃tutorial＿config＿reference＿func

来源

·在Ubuntu中安装OpenCV－Python：https:／／docs。opencv。org／4.5.5／d2／de6／tutorial_py_setup_in_ubuntu.html

·OpenCV安装概述：https:／／docs。opencv。org／4.x／d0／d3d／tutorial_general_install.html

·OpenCV配置选项参考：https:／／docs。opencv。org／4.x／db／d05／tutorial_config_reference.html

·OpenCV的其他模块存储库：https://github.com/opencv/opencv_contrib