ubuntu下安装opencv 查看opencv版本 nvida显卡驱动

本文介绍如何使用pip安装OpenCV库及其附加模块,并详细指导安装NVIDIA显卡驱动的过程,确保在Ubuntu系统中能顺利运行图像处理任务。

直接使用pip安装

pip install opencv-python
pip install opencv-contrib-python

查看版本:

打开命令窗口:

使用一下命令就可以查看。

python
import cv2
cv2.__version__

安装显卡驱动

1.更新源

sudo apt-get upgrade
sudo apt-get update

2.查询nvidia驱动的可用版本

sudo apt-cache search nvidia-*

查看可以安装的版本,安装最新的就行,我安装的是384.

3.安装nvidia驱动

sudo apt-get install nvidia-384

重新启动操作系统,安装才会生效。在ubuntu下,打开终端,输入

nvidia-settings

 产生如下界面,说明安装成功。

另外,可以通过一下命令查看显卡使用情况,也说明自己安装成功。

 

### 安装适用于OpenCV的CUDA显卡驱动 #### 准备工作 为了确保安装过程顺利,在开始之前应确认系统的更新状态并安装必要的依赖包。对于Ubuntu系统,可以执行如下命令来保持系统最新: ```bash sudo apt update && sudo apt upgrade -y ``` #### NVIDIA 显卡驱动安装 安装适合于OpenCV使用的CUDA环境前,需先配置好NVIDIA GPU驱动程序。这一步骤至关重要,因为后续组件均基于该驱动运行。 通过官方推荐的方式获取最新的稳定版驱动软件包[^1]: ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo ubuntu-driver autoinstall ``` 完成上述操作之后重启计算机使更改生效。 #### CUDA Toolkit 安装 接着安装匹配版本的CUDA工具集。考虑到兼容性和性能优化因素,建议选择与所用GPU相适应的具体版本号。例如针对较新的硬件型号可考虑采用更高版本如CUDA 12.x系列[^3]。 下载对应平台架构下的.run文件后按照提示逐步完成部署流程;或者利用APT仓库简化这一环节: ```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 ``` 记得设置环境变量以便能够正常使用新安装好的CUDA功能模块: ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` #### cuDNN 库集成 由于cuDNN是实现深度学习算法高效运算不可或缺的一部分,因此也需要将其加入进来。可以从官方网站获得相应资源链接,并遵循指引解压至指定目录下[^2]。 假设已经获得了压缩包,则可以通过下面的方法快速展开并注册路径: ```bash tar -xzvf cudnn-linux-x86_64-*.*.*_*-cuda*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ sudo ldconfig ``` #### OpenCV 编译构建 最后就是编译带有CUDA支持特性的OpenCV库了。这里以源码方式为例说明具体做法。首先克隆Git仓库获取最新发行版代码及其附加特性插件集合。 ```bash git clone https://github.com/opencv/opencv.git cd opencv git checkout tags/4.9.0 -b v4.9.0 cd .. git clone https://github.com/opencv/opencv_contrib.git cd opencv_contrib git checkout tags/4.9.0 -b v4.9.0 ``` 创建临时文件夹用于存放编译产物,并调用CMake进行预处理阶段的工作。注意要开启`WITH_CUDA`选项以及其他可能影响最终效果的关键参数设定[^4]。 ```bash mkdir build && cd build cmake -D CMAKE_BUILD_TYPE=Release \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules \ -D WITH_CUDA=ON \ -D ENABLE_FAST_MATH=ON \ -D CUDA_FAST_MATH=ON \ -D WITH_CUBLAS=ON \ ../opencv make -j$(nproc) sudo make install ``` 至此整个过程中涉及的各项准备工作均已就绪,现在应该可以在Ubuntu环境下成功搭建起一套完整的、具备CUDA加速能力的OpenCV开发框架了。
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