OpenCV/CUDA/Qt 环境配置小结

QT中配置cuda环境,并编写cuda代码 之前是在vs中开发cuda的代码,现在需要把cuda的代码移植到QT中。由于本机安装cuda时,是默认安装的,所以安装目录为# CUDA_PATH 这个是安装cuda时自动配置到环境变量中的路径,也是cuda安装的路径 C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v11.1cuda的样例文件夹位置为。 阅读详情

OpenCV Qt CUDA windows环境下 配置


反复装过几次,每次都网搜攻略;自个做个记录 方便以后使用。


碰到OpenCV各种奇怪的错误 先看看 图片imread() 有没有读空 再找其他问题


基本套路就是:1 Bin 2 include 3 lib/.lib


  1. 将Bin加入环境变量:选择相应平台 vc等——  G:\OpenCV\opencv2.4.6\build\x86\vc11\bin; G:\OpenCV\opencv2.4.6\build\x64\vc11\bin
  2. 加入VC的include  lib路径名






完成 
生成lib的matlab脚本:

path = 'C:\Qt\Qt5.1.0\5.1.0\msvc2012_64\lib'
filenames = dir(path);
out = fopen('lib.txt', 'w+');

for i = 3:size(filenames)
    idx = strfind(filenames(i).name, '.lib');
    if isempty(idx)
        continue
    end
    fprintf(out, '%s\n', filenames(i).name )
    
end

QT:





CUDA:













Jetson Nano 从头配置OpenCV+CUDA+QT完整流程 Jetson Nano 从头配置OpenCV+CUDA+QT完整流程Jetson Nano系统配置烧录系统功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLow... 阅读详情

相关推荐

Linux 支持cuda的OpenCV编译安装与环境配置

Ubuntu中安装openCV3.4.12编译过程中与Anaconda冲突_编译opencv-4.6之前我安装了anaconda3,系统库的路径被覆盖掉-优快云博客。A1:需要将opencv_contrib中的modules中的cudev文件夹复制到opencv/modules里。A2: 先将anconda中冲突的库移到其他文件夹下,openCV编译完之后再移回来。A: 直接将https修改为http即可下载成功,如果一次不行可以多试几次。删掉opencv4.conf文件,再在你编译的文件夹下运行。

u013719171的博客 1997

【QT+CUDA】QT中使用cuda,QT+VS+cuda下载安装配置

(要翻墙):https://developer.nvidia.com/cuda-toolkit-archive一路next,自定义安装。组件只选CUDA。如果安装cuda前没安装vs,取消勾选Visual Studio Integration。参考教程:https://blog.youkuaiyun.com/chen565884393/article/details/127905428 2.4 卸载 用geek卸载,卸载NVIDIA相关的,仅下面3项不卸载 官网下载,从版本开始,官方不再提供离线版安装包,除非你充

xifan的博客 2799

妙算(manifold)上cuda、opencv以及qt的配置

回家第一天,配置妙算环境成功,写篇博客记录下过程,(之前配置qt一直没成功= =vs用多了vim实在用不惯)。 一、安装CUDA(同官方PDF) 1. 访问下链接: http://developer.download.nvidia.com/embedded/L4T/r21_Release_v3.0/cuda-repo-l4t-r21.3- 6-5-prod_6.5-42_armhf.deb

kaka的博客 1万+

QT| QT配置CUDA

QT配置CUDA,如何写pro文件。

qq_40306845的博客 1572

大疆妙算(Manifold)环境配置:CUDA,openCV

安装CUDA cuda的安装主要参考下面的文章: 链接 make结束后,会在~/NVIDIA_CUDA-6.5_Samples/bin/armv7/linux/release/gnueabihf/目录下,会生成可执行文件,例如运行: oceanFFT,在该目录下直接执行: ./oceanFFT cuda6.5自带的samples都是做什么的可以参考下面的这篇文章: cuda Sam...

liqiancao的专栏 3349

QT + MSVC2015 + CUDA10.0,如何在QT中使用cuda加速的教程

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录前言一、为什么要用到CUDA加速二、使用步骤1.CUDA安装2.QT安装3.编写好CUDA文件4.在QT的.pro文件中配置 前言 最近在项目中需要用到GPU加速,于是在网上搜索各种资料结合自己实际采坑过程,总结了在 win10系统上,在QT中使用CUDA加速的使用方法 提示:以下是本篇文章正文内容,下面案例可供参考 一、为什么要用到CUDA加速 该项目中用到了opencv处理图像,且对于图像处理速度有很高的要求,要保证实时性,

weixin_42281674的博客 3671

Qt+openCV学习笔记(十一)Qt5.15.2+openCV4.5.5+MSVC2019+cuda编译动态库(使用中国源)

前言: 为了测试硬件加速,笔者找了一个台N卡的机器,并尝试编译带硬件加速的openCV库,虽然中间出了不少问题,但还是成功编译出来,有需要的小伙伴可以参考下 一、安装cuda 二、下载cudnn 三、安装需要的软件 1.安装git 这方便教程很多,不再重复。笔者使用的是git2.33 2.安装cmake 这个教程也很多,但笔者没有安装,使用的是Qt安装时,下载的 四、下载所需要的资源 1.下载opencv4.5.5源码 https://gitcode.net/opencv/opencv

aggs1990的专栏 4382

OPENCV4.10 CUDA12.6 QT5.15.2编译(MSVC)

OPENCV4.10 CUDA12.6 QT5.15.2编译(MSVC)

qq_39286846的博客 1563

基于QT5.14.2的OPENCV4.8.0的cuda11.4开发环境搭建和源码编译

为了在WINDOWS环境中可以运行OPNECV CUDA程序,对源码进行编译,包括CUDA驱动和CUDNN的环境配置过程

u010396127的博客 3827

Cuda 5.5 + Qt5 + opencv 2.4.8 使用cmake+vs2012编译GPU加速的opencv

花了4天终于编译完成,各种错误各种google,写下来以助后人。 一、生成解决方案 安装cmake、opencv、tbb、cuda 、qt5。注意cuda、qt5的版本和操作系统。 打开cmake,设置源代码和编译的二进制文件的目录;编译过程需要足够的存储空间,大概13G左右,所以要确保二进制文件目录所在磁盘足够大。 点击“configure”,选择相应的编

Learn something . Get something . Do something! 4010

Qt+CUDA+TensorRT:基于Qt+CUDA+TRT+WIN10的图像分类

之前在写CUDA程序,TRT程序大多是基于VS上,比如之前写的很多程序都是基于vs2019,在windows上大家可以很快乐的在vs上进行配置,还可以快乐的使用界面,但是在linux上没有vs了,可以使用cmake去编译一些,但是对于有些同学可能不太适应,linux上用到最多的可能就是Qt了,毕竟跨平台。那么接下来我们讲解如何在QT里面如何使用CUDA+TensorRT+OpenCV。 目录 1、环境配置 2、ResNet18图像分类 2.1、数据准备 2.2、模型搭建 2.3、训练 3、..

qianxun 4958

Linux(Ubuntu20.04) complie opencv with Qt, OpenGL, VTK,cuda

Linux(Ubuntu20.04) complie opencv with Qt, OpenGL, VTK,cuda 一、前言 先下载安装好Qt和vtk,默认已经安装好了cmake,g++,build-essential。 VTK的安装对cmake,qt都有版本要求,要注意一下。 cmake版本 cmake --version //3.16.3 后面make之前查看下cpu核数 nproc // 4 make -j4 // 这样应该会快一些 g++版本 g++ --version //9.

weixin_42177582的博客 3337

OpenCV开发笔记(十二):OpenCV编译支持Gpu(cuda) 加速开发之win-qt-msvc2015编译(opencv3.4.0、cuda9.0、VS2015)

若该文为原创文章,未经允许不得转载 原博主博客地址:https://blog.youkuaiyun.com/qq21497936 本文章博客地址:https://blog.youkuaiyun.com/qq21497936/article/details/102793581 目录 前言 背景 关于OpenCL硬件加速与Cuda OpenCL CUDA OpenCL与CUDA区别 OpenCV编译支持Gpu...

长沙红胖子 Qt・西安|省级科研团队从业背景,深耕双一流体系高精尖技术配套研发|剥离高精尖机理,沉淀高端特种行业领域 Qt 工程化落地经验|博文仅分享通用技术总结,输出公开普适工程思路。 4万+

C++模型部署:qt+yolov5/6+onnxruntime+opencv

很多时候出于性能或者环境的原因,必须要使用 C++ 进行深度学习模型的前向推理。文章主要是给大家介绍一个整体的设计思路,其中包含一些常用第三方库的使用方法,并使用 QT 设计了一个简单的界面。...

1万+

手把手教你用Python实现双三次插值(附OpenCV对比测试)

本文深入解析了双三次插值算法的数学原理,并提供了从零开始的Python实现教程。通过与OpenCV官方实现的对比测试,详细评估了不同插值算法(包括最邻近差值、双线性插值)在图像质量与计算性能上的差异,帮助开发者掌握高质量图像缩放的核心技术。

weixin_29310605的博客 294

VsCode+JLink+GCC替代Keil开发GD32程序-个人总结

对个人使用vscode+Jlink开发GD32程序做了总结,供需要者参考。

MyCollege1999的博客 2762

Jetson AGX Xavier编译CUDA版本的OpenCV4.5.0

我没有删除自带的opencv4.1.1,直接编译的opencv4.5.0. 1、下载opencv4.5.0和opencv-contrib4.5.0的源码包 opencv4.5.0:https://github.com/opencv/opencv/releases opencv-contrib4.5.0:https://github.com/opencv/opencv_contrib/releases 2、解压opencv与opencv-contrib,并将opencv-contrib文件夹放到opencv文

Tracy_Baker的博客 7279

嵌入式存储实战:FAL+SFUD+flashDB三件套在STM32上的完整移植指南(附避坑技巧)

本文提供了一套在STM32上完整移植FAL、SFUD与flashDB嵌入式存储框架的实战指南。详细解析了从SPI驱动配置、SFUD设备识别、FAL抽象层分区到flashDB键值数据库初始化的全流程,并分享了关键的避坑技巧与性能优化建议,帮助开发者构建稳定可靠的嵌入式存储系统。

rnn9storyteller的博客 1016

OpenCV开发笔记(八十四):OpenCV编译支持Gpu(cuda) 加速开发之win-qt-msvc2019x64编译(Qt5.14、opencv4.10、cuda13.2、VS2019x64)

本文介绍了在Windows系统上编译支持GTX 5050显卡CUDA加速的OpenCV的过程。文章首先对比了OpenCL和CUDA两种并行计算技术的区别,指出CUDA是NVIDIA专属架构而OpenCL具有跨平台优势。随后详细记录了使用VS2019+CUDA12.8和VS2017+CUDA13.2两种环境配置的编译流程,包括CMake参数设置、扩展模块添加等步骤,并分享了编译过程中遇到的ffmpeg下载卡顿等问题的解决方法。最终由于兼容性问题导致编译失败,但为后续尝试提供了有价值的参考经验。

长沙红胖子 Qt・西安|省级科研团队从业背景,深耕双一流体系高精尖技术配套研发|剥离高精尖机理,沉淀高端特种行业领域 Qt 工程化落地经验|博文仅分享通用技术总结,输出公开普适工程思路。 2403

KEPServerEX6教程:IoT Gateway与MQTT Client实现工业数据双向通信

工业物联网的核心挑战在于异构设备协议与云端平台之间的数据互通。Modbus、S7、OPC UA等现场协议纷繁复杂,而上层应用普遍偏好MQTT、REST等轻量接口,此时需要一个可靠的协议转换层。MQTT作为低带宽、高可靠的发布/订阅消息协议,天然适合工业数据采集与远程控制场景。KEPServerEX6作为工业网关软件,内置IoT Gateway与MQTT Client组件,分别承担数据上行发布与指令下行订阅的职责,形成完整的双向闭环。通过配置Modbus TCP设备驱动、创建Tag、设置MQTT Broker

weixin_33787529的博客 387

DRAM架构演进与HBM技术在高性能计算中的应用

DRAM(动态随机存取存储器)是现代计算系统中关键的内存技术,其架构优化直接影响数据供给能力。随着AI训练和科学计算等数据密集型负载的普及,传统DDR架构面临带宽墙、能效比和访问粒度等挑战。HBM(高带宽内存)通过3D堆叠技术(如TSV硅通孔)和异构集成(如PIM存内计算)显著提升了带宽和能效比。这些技术在高性能计算、AI推理和大模型训练等场景中展现出巨大潜力,例如HBM3的带宽可达819GB/s,能效比低至0.95pJ/b。未来,DRAM技术将继续向更高密度、更低功耗和更智能的内存计算方向发展。

weixin_35757191的博客 400
上一篇: Theano 在windows下安装
下一篇: 【Deep Learning】1、AutoEncoder
LiFeitengup
博客等级 码龄15年 466粉丝 59原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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