opencv4.2.0 源码编译，win7+VS2015，DNN模块支持cuda加速

目录

前言：

一、环境准备：

1、基本环境：

2、下载opencv源码

3、下载opencv_contrib模块

二、cmake 编译：

1、第一次"configure" 与缺失文件

2、编译项设置：

3、再次"configure"错误与缺失文件

三、工程编译

四、错误解决方法：

1、文件download失败解决方法：

2、错误        identifier "LINE_8" is undefined   

3、乱码+“cv::dnn::cuda4dnn::csl::device::detail::getBlockDim” 错误

4、错误未定义标识符 "blockDim"  等   

---

前言：

2019年12月23日，OpenCV 4.2.0版本官方发布并开放下载，这次更新的特性并不多，但非常重要的是：DNN终于支持CUDA啦！！

得知发布后，看到一直心心念的DNN模块终于支持CUDA了，再也按捺不住躁动的心，就开始下载编译了。

 

一、环境准备：

1、基本环境：

windows7 + VS2015+ CUDA 10.0+CUDNN 7.6.5

CUDNN版本要求不低于7.5

2、下载opencv源码

opencv官网https://opencv.org/releases/

下载方式有多种，可以直接下载源码，windows安装exe，或者去opencv的github主页下载。

我这里直接下载windows安装文件，

https://sourceforge.net/projects/opencvlibrary/files/4.2.0/opencv-4.2.0-vc14_vc15.exe/download

下载后双击解压到"E:\opencv4.2"路径，解压后包含build和sources两部分。

3、下载opencv_contrib模块

github主页，直接下载源码，或者下载压缩包，下载后解压到了"E:\opencv4.2"路径。

 

二、cmake 编译：

1、第一次"configure" 与缺失文件

cmake安装可参考之前博客

打开cmake-gui.exe，选择源码路径和生成二进制路径，如下图

然后点一下config按钮，选择“Visual Studio 14 2015 Win64”

然后开始等待，config过程中会下载一些文件，包含下列文件

ippicv_2019_win_intel64_20180723_general.zip

opencv_videoio_ffmpeg.dll

opencv_videoio_ffmpeg_64.dll

ffmpeg_version.cmake

如果在下载过程中没有出错，恭喜你已经成功跳开了一个大坑。如果文件下载失败了，处理起来相对复杂，请参考本文本第四部分的解决方法。

等手动下载工作完成后，再次点击config, 保证日志内没有红色的下载失败信息

最后剩余了一个红色警告： 不用管它

2、编译项设置：

这里主要关注CUDA编译，一些暂时用不到的测试模块及PYTHON模块去掉。

1、cuda

OPENCV_DNN_CUDA     选中

WITH_CUDA                       选中

2、BUILD_opencv_world        选中

3、test选项  不选

4、BUILD_opencv_python.. 三个选项   不选

5、OPENCV_EXTRA_MODULES_PATH 设置为“E:\opencv4.2\opencv_contrib-master\modules”

3、再次"configure"错误与缺失文件

有可能会出现错误：

CMake Error at modules/dnn/CMakeLists.txt:99 (message):
  CUDA backend for DNN module requires CC 5.3 or higher.  Please remove
  unsupported architectures from CUDA_ARCH_BIN option.
Call Stack (most recent call first):
  modules/world/CMakeLists.txt:13 (include)
  modules/world/CMakeLists.txt:32 (include_one_module)

只需将CUDA_ARCH_BIN中小于5.3的选项去掉

再次点击"configure"

如果之前出现文件下载失败，这次同样可能会出现类似下面的错误

同样参考第四部分的解决方法

“configure”不再有下载错误后，依次点击“Generate”，“Open Project”按钮，用VS2015开工程

三、工程编译

用VS2015打开后，选择“release”模式，

选择ALL_BUILD 生成。

如果出现   错误        identifier "LINE_8" is undefined 请参考下面解决方法。

如果出现   错误：乱码+unsigned int cv::dnn::cuda4dnn::csl::device::detail::getBlockDim等错误，参考下面解决方法。    

编译完成后，选择INSTALL 生成。

生成的文件就保存到“e:\opencv4.2\opencv\sources\buildnew\install”文件夹内

e:\opencv4.2\opencv\sources\buildnew\install\x64\vc14\bin 目录里有生成的DLL

可以看到，编译的DLL比原来的大不少。

四、错误解决方法：

1、文件download失败解决方法：

文件下载失败和网络有关系，而且一旦失败就会有多个文件下载失败，下面以第一个下载失败文件为例，进行说明，日志如下

从上面可以看出，下载日志在保存在“E:\opencv4.2\opencv\sources\build\CMakeDownloadLog.txt”文件内，打开文件，搜索"ippicv",  第三行即为本文件信息

其中上面为本地缓存路径，下面为下载网址，直接复制网址到浏览器下载，如果浏览器也下载失败，可以尝试将地址复制到迅雷进行下载，

下载后保存到“E:/opencv4.2/opencv/sources/.cache/ippicv/”目录，删除目录内大小0KB的文件（如果有）， 并按照d222685246896fe089f88b8858e4b2f-ippicv_2019_win_intel64_20180723_general.zip重命名

其它下载失败的文件可以用同样的方法进行处理。

如果迅雷仍然下载失败，可直接访问 //download.csdn.net/download/length85/12066165 下载，我已将下载可能失败的文件都打包在一起了， 下载设置了1分，没分的朋友可直接私信我。

2、错误        identifier "LINE_8" is undefined   

 

点开错误，我震惊了，发现"imgproc.hpp"竟然链接到了anconda安装环境中, "C:\Users\kc\Anaconda3\Library\include\opencv2", 猜测是安装环境添加到了系统变量，由于我电脑安装东西比较多，暂时把该目录下的opencv2重命名为opencv2_，opencv重命名为opencv_， 再重新编译，错误消失。

注:编译结束后重新把文件夹名修改回去，以免影响其它功能。

同样，如果出现GOOGLE_PROTOBUF_VERSION版本错误，且错误定位到了下面位置

将C:\Users\kc\Anaconda3\Library\include目录下的google重命名为google_

3、乱码+“cv::dnn::cuda4dnn::csl::device::detail::getBlockDim” 错误

错误如下图：

中文显示乱码，搜索微软C2912错误描述为：显式专用化“declaration”不是函数模板的专用化，无法特化非模板函数。

这里采用修改方法：

cudnn.hpp文件，将报错行的decltype部分去掉

#if 0
        template  auto get_data_type()->decltype(CUDNN_DATA_FLOAT);
        template <> inline auto get_data_type()->decltype(CUDNN_DATA_HALF) { return CUDNN_DATA_HALF; }
        template <> inline auto get_data_type()->decltype(CUDNN_DATA_FLOAT) { return CUDNN_DATA_FLOAT; }
#else
	template  auto get_data_type();
	template <> inline auto get_data_type() { return CUDNN_DATA_HALF; }
	template <> inline auto get_data_type() { return CUDNN_DATA_FLOAT; }
#endif

grid_stride_range.hpp 文件，同样方法修改

#if 0
        template   __device__ auto getGridDim()->decltype(dim3::x);
        template <> inline __device__ auto getGridDim<0>()->decltype(dim3::x) { return gridDim.x; }
        template <> inline __device__ auto getGridDim<1>()->decltype(dim3::x) { return gridDim.y; }
        template <> inline __device__ auto getGridDim<2>()->decltype(dim3::x) { return gridDim.z; }

        template  __device__ auto getBlockDim()->decltype(dim3::x);
        template <> inline __device__ auto getBlockDim<0>()->decltype(dim3::x) { return blockDim.x; }
        template <> inline __device__ auto getBlockDim<1>()->decltype(dim3::x) { return blockDim.y; }
        template <> inline __device__ auto getBlockDim<2>()->decltype(dim3::x) { return blockDim.z; }

        template  __device__ auto getBlockIdx()->decltype(uint3::x);
        template <> inline __device__ auto getBlockIdx<0>()->decltype(uint3::x) { return blockIdx.x; }
        template <> inline __device__ auto getBlockIdx<1>()->decltype(uint3::x) { return blockIdx.y; }
        template <> inline __device__ auto getBlockIdx<2>()->decltype(uint3::x) { return blockIdx.z; }

        template  __device__ auto getThreadIdx()->decltype(uint3::x);
        template <> inline __device__ auto getThreadIdx<0>()->decltype(uint3::x) { return threadIdx.x; }
        template <> inline __device__ auto getThreadIdx<1>()->decltype(uint3::x) { return threadIdx.y; }
        template <> inline __device__ auto getThreadIdx<2>()->decltype(uint3::x) { return threadIdx.z; }
#else 
	template   __device__ auto getGridDim();
	template <> inline __device__ auto getGridDim<0>() { return gridDim.x; }
	template <> inline __device__ auto getGridDim<1>() { return gridDim.y; }
	template <> inline __device__ auto getGridDim<2>() { return gridDim.z; }

	template  __device__ auto getBlockDim();
	template <> inline __device__ auto getBlockDim<0>() { return blockDim.x; }
	template <> inline __device__ auto getBlockDim<1>() { return blockDim.y; }
	template <> inline __device__ auto getBlockDim<2>() { return blockDim.z; }

	template  __device__ auto getBlockIdx();
	template <> inline __device__ auto getBlockIdx<0>() { return blockIdx.x; }
	template <> inline __device__ auto getBlockIdx<1>() { return blockIdx.y; }
	template <> inline __device__ auto getBlockIdx<2>() { return blockIdx.z; }

	template  __device__ auto getThreadIdx();
	template <> inline __device__ auto getThreadIdx<0>() { return threadIdx.x; }
	template <> inline __device__ auto getThreadIdx<1>() { return threadIdx.y; }
	template <> inline __device__ auto getThreadIdx<2>() { return threadIdx.z; }
#endif

4、错误未定义标识符 "blockDim"  等   

在grid_stride_range.hpp文件内添加头文件包含，

#include 

总结：我在两台电脑上测试，遇到的情况不一样，可能跟GPU的型号配置有关，也可能有些编译我没遇到，欢迎留言讨论。