OPENCV2.4.9+CUDA6.5+VS2013 64位系统环境搭建

最新推荐文章于 2021-02-24 09:26:20 发布

MrWatermelon

最新推荐文章于 2021-02-24 09:26:20 发布

阅读量1.1k

点赞数

分类专栏： Machine Learning

Machine Learning 专栏收录该内容

1 篇文章

订阅专栏

最近在玩Deep learning，试着使用gpu加速来提供项目性能，
参考：http://blog.youkuaiyun.com/xuhang0910/article/details/45601035和http://tieba.baidu.com/p/3329042929
按照步骤一步步设置，最后终于弄好，我使用UDA6.5+VS2013,软件版本不同，个人认为大同小异，在配置过程中，遇到好多麻烦，文章最后会写上自己的教训及经验

准备阶段

1.Cmake 链接：http://pan.baidu.com/s/1pJ61edX 密码：gypv

2.cuda6.5 链接：http://pan.baidu.com/s/1jGzjFmQ 密码：lvxx

<pre name="code" class="cpp">

3.vs2013 链接：http://pan.baidu.com/s/1mg23ydU 密码：vhyr

4.opencv源文件链接：http://pan.baidu.com/s/1hqAIZXE 密码：xv4i

5.intel tbb库链接：http://pan.baidu.com/s/1hqeUYMC 密码：u4es

需要安装好cuda6.5，推荐看官方安装说明，或者看网上的方法，很简单，这里不详细说明。（请原谅）

（pass:我安装时是一直next，默认安装）
可以去此网址查看你的显卡是否支持CUDA https://developer.nvidia.com/cuda-gpus#collapse4
如此页面，选择你的显卡类型，如我的是GeFore GT 730m,就要选择GeForce

配置阶段

1.（1）解压opencv-2.4.9

（2）解压tbb，并将其bin目录D：tfilestbb41_20130613oss\bin\intel64\vc12添加到环境变量（path）中

补：将D:\tbb43_20150424oss\include ; D:\tbb43_20150424oss\lib\intel64也添加到path中

2. 配置 CMAKE
2.1 打开 CMAKE
- 选择 Source Folder 到 OpenCV 的源文件目录（注：是source文件夹，里面有CMakeLists.txt）
- 选择 Output Folder （注：输出路径，新建一个文件夹，用于放编译生成的相关文件）
- 勾选 Advanced

2.2 点 Configure，选择编译器
- 选择 ‘Visual Studio 12 2013 Win64′
2.3 配置 CUDA 选项
- 取消 ‘BUILD_DOCS’ and ‘BUILD_EXAMPLES’
- 取消 ‘CUDA_ATTACH_VS_BUILD_RULE_TO_CUDA_FILE’
- 检查 ‘CMAKE_LINKER’, 保证是 Visual Studio 12.0 （vs2013）
- 选上 ‘WITH_CUBLAS’, ‘WITH_CUDA’, ‘WITH_OPENGL’, ‘WITH_TBB’
- 点击 Configure 刷新配置
2.4 配置 TBB 选项
- 把 tbb include path 设置好，例如我的是 “D:\toolkits\tbb43_20140724oss\include”。一定要选到 include文件夹为止。
- 点击 Configure 刷新
- 接着可以看到 tbb 的 library 目录自动有了，但是可能是错的，需要改到 Debug 和 Release 文件夹的上级目录为止。例如我的要加上 ‘vc12*，变成 D:/toolkits/tbb43_20140724oss/lib/intel64/vc12〃，如下图

- 点击 Configure 刷新

如果在下方信息框中有：Use TBB: YES(ver 4.1 interface 6105)，Use Cuda: YES(ver5.0)，证明我们已经将inteltbb和CUDA正确配置

2.5 点击 Generate 生成 OpenCV.sln

3. 修改 OpenCV 源文件
- 打开 ‘opencv-2.4.9\modules\gpu\src\nvidia\core\NCV.cu’ 加上 #include <algorithm>。不然编译时候会有 *max* undefined error

4. 编译 OpenCV.sln
- 如果 OpenCV，tbb，Python 中的某个安装在 C:\Program Files，那么你需要用管理员权限运行 vs2013 才行
- 我建议先编译 *opencv_core* 和 ‘ opencv_gpu* （右键点击，点 *BUILD*）。如果这两个没错，接下来应该都可以编译
- 右键点击 *ALL_BUILD*，再点 *BUILD*
- 然后再编译一下 *INSTALL*，来把编译好的文件放在一起到 *<Output Folder>\install*
- 在切换到 Release，重复 *ALL_BUILD* 和 *INSTALL*
- *Debug* 应该会有一个 error， *Release* 应该会没有 error
- 编译时间很长。很长。（我花了一个晚上，特别是编译opencv_gpu时花的时间巨长）

最后在install文件夹下的bin文件夹中生成了如图：

cuda项目opencv配置环境

1、打开vs2013，新建cuda项目，为vs2013配置OpenCV环境：选择属性管理器，

先后分别在Debug和Release上的Microsoft.Cpp.Win64.user，点击右键，属性，VC++目录：

包含目录：D:\tfiles\opencv-2.4.9\build-vs2013\install\include；

D:\tfiles\opencv-2.4.9\build-vs2013\install\include\opencv；

D:\tfiles\opencv-2.4.9\build-vs2013\install\include\opencv2；

2.可执行文件目录：D:\tfiles\tbb43_20150424oss\bin\intel64\vc12
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5\bin

3.库目录：D:\tfiles\opencv-2.4.9\build-vs2013\install\x64\vc12\lib

补充：我在调试程序的时候，系统说找不到相关的dll文件，应该是环境变量不起作用了，最后我直接将相关的dll文件放在exe的目录下，如下：

4.添加lib文件属性页，链接器，输入，附加依赖项带有d的是Debug，以下是debug的，不带d的是Release版本的，大家应该知道）

Debug：

opencv_calib3d249d.lib

opencv_contrib249d.lib

opencv_core249d.lib

opencv_features2d249d.lib

opencv_flann249d.lib

opencv_gpu249d.lib

opencv_highgui249d.lib

opencv_imgproc249d.lib

opencv_legacy249d.lib

opencv_ml249d.lib

opencv_nonfree249d.lib

opencv_objdetect249d.lib

opencv_ocl249d.lib

opencv_photo249d.lib

opencv_stitching249d.lib

opencv_superres249d.lib

opencv_ts249d.lib

opencv_video249d.lib

opencv_videostab249d.lib

Release：

opencv_calib3d249.lib

opencv_contrib249.lib

opencv_core249.lib

opencv_features2d249.lib

opencv_flann249.lib

opencv_gpu249.lib

opencv_highgui249.lib

opencv_imgproc249.lib

opencv_legacy249.lib

opencv_ml249.lib

opencv_nonfree249.lib

opencv_objdetect249.lib

opencv_ocl249.lib

opencv_photo249.lib

opencv_stitching249.lib

opencv_superres249.lib

opencv_ts249.lib

opencv_video249.lib

opencv_videostab249.lib

我的是248,这个没关系：

在验证的程序中，我选择的静态编译，在下面的程序中有，即：

#pragma comment(lib,"opencv_gpu248d.lib")
#pragma comment(lib,"opencv_core248d.lib")
#pragma comment(lib,"opencv_core248d.lib")
#pragma comment(lib,"opencv_highgui248d.lib")
#pragma comment(lib,"opencv_imgproc248d.lib")

5.将D:\tfiles\opencv-2.4.9\build-vs2013\install\x64\vc12\bin（这是我的目录）加入到windows系统环境变量Path中，重启

验证环节：

新建cuda项目，平台debug x64

#include<stdlib.h>  
#include<device_launch_parameters.h>  
#include<cuda_runtime.h>  
#include<opencv2\opencv.hpp>  
#include<opencv2\gpu\gpu.hpp>  

#pragma comment(lib,"opencv_gpu248d.lib")
#pragma comment(lib,"opencv_core248d.lib")
#pragma comment(lib,"opencv_core248d.lib")
#pragma comment(lib,"opencv_highgui248d.lib")
#pragma comment(lib,"opencv_imgproc248d.lib")


int main()
{
	int num_devices = cv::gpu::getCudaEnabledDeviceCount();
	if (num_devices <= 0)
	{
		std::cerr << "There is no devoce" << std::endl;
		return -1;
	}
	int enable_device_id = -1;
	for (int i = 0; i < num_devices; i++)
	{
		cv::gpu::DeviceInfo dev_info(i);
		if (dev_info.isCompatible())
		{
			enable_device_id = i;
		}
	}
	if (enable_device_id < 0)
	{
		std::cerr << "GPU module isn't built for GPU" << std::endl;
		return -1;
	}

	cv::gpu::setDevice(enable_device_id);

	cv::Mat src_image = cv::imread("test.jpg");
	cv::Mat dst_image;
	cv::gpu::GpuMat d_src_img(src_image);//upload src image to gpu  
	cv::gpu::GpuMat d_dst_img;

	cv::gpu::cvtColor(d_src_img, d_dst_img, CV_BGR2GRAY);//canny  
	d_dst_img.download(dst_image);//download dst image to cpu  
	cv::imshow("test", dst_image);
	cv::waitKey(50000);

	return 0;
}

其中 getCudaEnabledDeviceCount() 返回大于0的数才能证明之前的编译时成功的，可以断点调试一下。

在之前的调试过程中，我也遇到cuda error MSB3721 exited with code 2 这样的报错，找了好多解决方案，都没有一个准确的说法，我是参考http://stackoverflow.com/questions/12888247/cuda-error-msb3721-exited-with-code-2 慢慢调成功的，有些说的是编译的路径不能有中文，我的vs的路径就有中文，其实并没有影响。弄了两天，终于试好了，接下来就要在自己的工程里使用gpu加速了。