cuda opencv

首先安装一些必要的依赖库

sudoaptgetinstallbuildessential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev # 处理图像所需的包 sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev # 处理视频所需的包 sudo apt-get install libatlas-base-dev gfortran # 优化opencv功能
$ sudo apt-get install ffmpeg
sudo apt-get install qt5-default
sudo apt-get install qt4-default
sudo apt-get install pytho3n-dev python3-numpy

wget https://bootstrap.pypa.io/get-pip.py
sudo python get-pip.py
sudo pip install virtualenv virtualenvwrapper
sudo rm -rf ~/.cache/pip
接下来, 我们需要设置环境变量, 随便用一个你们自己喜欢的编辑器, 来打开 ~/.profile,如果不存在就新建一个, 然后把下面的几行添加到文件末尾

virtualenv and virtualenvwrapper

export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python2.7
export WORKON_HOME=$HOME/.virtualenvs
source /usr/local/bin/virtualenvwrapper.sh
现在 .profile文件已经更新好了, 下一步就是要来加载它. 你需要重新打开一个终端, 或者简单地使用 source 这个命令

source ~/.profile
现在我们要开创建一个做 CV 工作的虚拟环境 cv3(随便命名) 了

耗时: 19s

mkvirtualenv cv3
如果你在之后需要访问你的虚拟环境, 特别是你登出或者重启你的机器之后, 你可能需要 source 一下你的 ~/.profile. (译者注: 当然, 你可以把刚才添加到 ~./profile 文件中的内容, 添加到 /etc/profile 中去, 做一个全局设置, 并不推荐这么做.) 然后用 workon 命令.

workon cv3
之后你的 shell 就只能使用和设置在 cv3 这个虚拟环境中的包了.

继续, 我们其实只依赖一个 Python 库: Numpy, 请确保在你的虚拟环境 cv3 中已经安装 numpy.

耗时: 13m 17s
译者注: 这个包感觉我直接安装的时候要不了这么久, 可能是虚拟环境会慢点?

pip install numpy
在我们用了 sudo pip 之后, .cache 文件价会报权限错误, 这是我们只需要把 .cache/pip 删掉, 然后重新安装 numpy.

sudo rm -rf ~/.cache/pip/
pip install numpy

mkdir buildwithgpu
cd buildwithgpu
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D WITH_CUDA=ON -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D CUDA_NVCC_FLAGS=”-D_FORCE_INLINES” -D WITH_CUBLAS=1 ..

sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

### 安装和配置CUDAOpenCV #### 准备工作 为了确保顺利安装并配置 CUDAOpenCV,在开始之前需确认已更新系统软件包列表以及升级现有软件包至最新版本。 ```bash sudo apt update && sudo apt upgrade -y ``` #### 安装CUDA 通过官方推荐的方法来安装 CUDA 工具包,这通常涉及下载 NVIDIA 提供的.run 文件或是利用 APT 软件源进行安装。对于大多数用户来说,采用 APT 方式更为简便[^1]: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` 完成上述命令后重启计算机使更改生效,并设置环境变量以便后续操作能够识别到 CUDA 的路径。 #### 配置环境变量 编辑 `~/.bashrc` 或者 `/etc/profile.d/cuda.sh` 添加如下内容以永久化配置: ```bash export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 执行 `source ~/.bashrc` 让新的环境变量立即生效。 #### 编译支持CUDAOpenCV 当需要构建带有 CUDA 支持功能的 OpenCV 版本时,则应按照特定指导来进行编译过程。在此之前建议先清理之前的构建残留文件以防干扰新一次的构建流程[^2]: ```bash cd opencv/build/ sudo make clean cmake .. make -j$(nproc) sudo make install ``` 这里假设已经在本地克隆了一份 OpenCV 源码仓库并且进入了对应的目录;如果尚未获取源代码则可以通过 Git 获取最新的稳定版分支。 #### VS Code中的集成开发环境配置 为了让 Visual Studio Code 正确解析项目内的 C/C++ 语法及相关依赖库头文件信息,应当调整项目的 c_cpp_properties.json 文件使其包含必要的 include path 及其他选项[^3]: ```json { "configurations": [ { "name": "Linux", "includePath": [ "${workspaceFolder}/**", "/usr/local/cuda/include", "/usr/local/include/opencv4" ], "defines": [], "compilerPath": "/usr/bin/gcc", "cStandard": "c11", "cppStandard": "c++17", "intelliSenseMode": "gcc-x64" } ], "version": 4 } ``` 注意这里的 `"includePath"` 字段指定了两个额外的关键位置——一个是 CUDA SDK 下的头文件夹,另一个则是 OpenCV 库的位置(此处假定为默认安装路径)。
评论
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