VS2019永久配置Opencv+TensorRT_opencv tensorrt-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_36801705/article/details/141056249

1. VS219配置Opencv-4.9.0

1.1 Opencv的下载与安装

下载链接：https://opencv.org/releases/，选择windows版本,
opencv下载
完成后点击exe自动安装解压，在安装目录可看到以下文件：
解压目录
如果不想占用过多内存，除build文件夹外，其余都可删除。

1.2 Opencv环境配置

win11添加环境变量的方法：在【开始】搜索：系统，在【系统信息】分页中找到【高级系统设置】，进入之后选择【高级】->【环境变量】->【系统变量】->【Path】，进入编辑。

按照上述方法，将opencv添加到本地环境变量，重启后生效。

opencv添加环境变量

1.3 配置Opencv

打开VS，新建空项目：
配置新项目
在视图中找到属性管理器并打开，右侧菜单栏中选择【Debug | x64】，右键点击【添加新项目属性表】。
同样在右侧菜单栏中选择新添加的属性表，右键选择【属性】

5) VC++目录：通用属性，选择VC++目录->包含目录，右侧下拉选择编辑，添加以下路径:

D:\opencv_4.9.0\build\include
D:\opencv_4.9.0\build\include\opencv2

6) 库目录：

D:\opencv_4.9.0\build\x64\vc16\lib

库目录

7) 附加依赖项:链接器，选择输入->附加依赖项，在D:\opencv_4.9.0\build\x64\vc16\lib路径下找到opencv_world490d.lib并写入。

如果配置为Debug，选择opencv_world455d.lib
如果为Release，选择opencv_world455.lib

8) 调试测试：

#include <iostream>
#include <string>
#include <opencv2/opencv.hpp>


int main() {

    std::string imgPath = "./img/test.png";
    cv::Mat img = cv::imread(imgPath, 1);
    //如果读入图像失败
    if (img.empty()) {
        std::cout << "打开图片失败！\n" << std::endl;
      
    }
    else
    {
        cv::namedWindow("RGB", cv::WINDOW_AUTOSIZE);
        cv::imshow("RGB", img);

        cv::waitKey(0);
        cv::destroyAllWindows();
    }

调试测试

编译运行时，保持编译模式一致：Debug | x64。
保存的属性表可以重复利用，新建项目的通过视图->属性管理器，右键添加现有属性表，在本地找到opencv_rt_dl的保存路径，将opencv_rt_dl属性列表添加测试。

2. VS2019配置tensorRT-8.4.3.1

2.1 cuda/cudnn/tensorRT的下载与安装

Cuda: https://developer.nvidia.com/cuda-toolkit-archive
cuDNN：https://developer.nvidia.com/rdp/cudnn-archive Tensorrt:
tensorRT：https://developer.nvidia.com/tensorrt/download

注意Cuda和cuDNN具体安装过程就不在此赘述，可自行查找相关教程。tensorRT版本号最好和cuDNN版本号一致，否则会出现警告：tensorRT was linked against cuDNN 8.x.x but loaded cuDNN 8.x.x (个人建议)。

windows下查看cudnn版本的方法

进入cuda安装目录x:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x\include。
找到cudnn_version.h或者cudnn.h文件，将CUDNN_MAJOR参数串联合并即可得到版本号。
-

2.2 tensorRT环境配置

下载后解压，将解压路径添加到环境变量，并将tensorRT中的include、lib、bin文件复制到指定文件夹下。

将 TensorRT-8.4.3.1\include中头文件复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
将TensorRT-8.4.3.1\lib中的lib文件复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
将TensorRT-8.4.3.1\lib中的dll文件复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

2.3 配置tensoRT

首先找到前文保存的属性列表打开，继续编译添加tensorRT开发配置，具体操作参考前文opencv的配置过程。

1) VC++目录->包含目录(include文件夹) ，需同时包含cuda和tensortRT的include。

D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
D:\TensorRT-8.4.3.1\include

tensorRT包含目录

D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
D:\TensorRT-8.4.3.1\lib

tensorRT库目录

3) C++ ->常规->附加包含目录:

D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
D:\TensorRT-8.4.3.1\include

tensorRT附加包含目录

4) 链接器->输入->附加依赖项：
tensorRT附加依赖项
tensortRT附加目录cuda

nvinfer.lib
nvinfer_plugin.lib
nvonnxparser.lib
nvparsers.lib

cublas.lib
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart_static.lib
cudart.lib
cudnn_adv_infer.lib
cudnn_adv_infer64_8.lib
cudnn_adv_train.lib
cudnn_adv_train64_8.lib
cudnn_cnn_infer.lib
cudnn_cnn_infer64_8.lib
cudnn_cnn_train.lib
cudnn_cnn_train64_8.lib
cudnn_ops_infer.lib
cudnn_ops_infer64_8.lib
cudnn_ops_train.lib
cudnn_ops_train64_8.lib
cudnn.lib
cudnn64_8.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusolverMg.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvjpeg.lib
nvml.lib
nvptxcompiler_static.lib
nvrtc.lib
OpenCL.lib