在 Ubuntu 20.04 中使用 CUDA 安装 OpenCV 4
OpenCV 编译过程的截图。
安装一个预编译版本的OpenCV可能会导致你不能充分利用cuda硬件，而cuda硬件在GPU加速方面是非常强大的。。
本文，我们将使用带有 CUDA 和 cuDNN 的预安装环境从源代码构建 OpenCV。
1. 先决条件
1.1 CUDA 和 cuDNN
主要的先决条件是安装 NVIDIA CUDA 工具包和 NVIDIA CUDA 深度神经网络库 (cuDNN) 库。
如果你还没有安装这些，建议你按照我之前的指南安装它们：
https://medium.com/@juancrrn/installing-cuda-and-cudnn-in-ubuntu-20-04-for-deep-learning-dad8841714d6
设置好后，让我们继续依赖关系。
1.2 依赖项
需要 CMake 和 GCC 来配置安装和编译项目：
$ sudo apt install cmake
$ sudo apt install gcc g++为了支持 Python 3 安装，我们需要 Python（大多数 Ubuntu 版本都预装了它）、Python-devel 和 Numpy：
$ sudo apt install python3 python3-dev python3-numpyGUI 功能、相机支持 (v4l)、媒体支持 (ffmpeg、gstreamer...) 等都需要 GTK：
$ sudo apt install libavcodec-dev libavformat-dev libswscale-dev
$ sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev
$ sudo apt install libgtk-3-dev下一个依赖项是可选的，但添加了对 PNG、JPEG、JPEG2000、TIFF、WebP 等格式的最新支持：
$ sudo apt install libpng-dev libjpeg-dev libopenexr-dev libtiff-dev libwebp-dev现在，使用 Git 下载 OpenCV 存储库：
$ git clone https://github.com/opencv/opencv.git我们还将下载 OpenCV 的额外模块 (CMake flag -D OPENCV_EXTRA_MODULES_PATH) 存储库。需要这些模块才能将 CUDA 功能与 OpenCV 一起使用。
$ git clone https://github.com/opencv/opencv_contrib.git2.确定CUDA架构版本
CMake 需要 CUDA_ARCH_BIN 设置一个标志才能使用正确的 CUDA 架构编译二进制文件。如果未正确设置此标志，则二进制文件的最终使用将失败。
要正确设置标志，我们首先使用nvidia-smi -L命令确定 NVIDIA GPU 型号：
现在转到https://developer.nvidia.com/cuda-gpus并查找你的 GPU 型号。
就我而言，我必须去启用 CUDA 的 GeForce 和 TITAN 产品，然后找到 GeForce GTX 1050：
在型号名称旁边，你会找到 GPU 的计算能力。这是 NVIDIA GPU 架构版本，它将是 CMake 标志的值：CUDA_ARCH_BIN=6.1.
3.准备使用CUDA和cuDNN支持编译
我们将使用一堆 CMake 标志来编译 OpenCV。你可以在本文末尾找到这些的详细参考。
准备构建目录：
$ cd ~/opencv
$ mkdir build
$ cd build使用以下标志运行 CMake：
cmake \
-D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D WITH_CUDA=ON \
-D WITH_CUDNN=ON \
-D WITH_CUBLAS=ON \
-D WITH_TBB=ON \
-D OPENCV_DNN_CUDA=ON \
-D OPENCV_ENABLE_NONFREE=ON \
-D CUDA_ARCH_BIN=6.1 \
-D OPENCV_EXTRA_MODULES_PATH=$HOME/opencv_contrib/modules \
-D BUILD_EXAMPLES=OFF \
-D HAVE_opencv_python3=ON \
..你应该有一个类似于以下的输出：
...
-- The CXX compiler identification is GNU 9.4.0
...
-- Performing Test...
...
-- General configuration for OpenCV 4.5.5-dev ======================
...
-- NVIDIA CUDA: YES (ver 11.6, CUFFT CUBLAS)
-- NVIDIA GPU arch: 61
-- NVIDIA PTX archs:
--
-- cuDNN: YES (ver 8.3.2)
...
-- Configuring done
-- Generating done
-- Build files have been written to: /home/j/opencv/build这表明预构建是成功的。
4. 编译支持GPU加速的OpenCV
如果 CMake 没有任何错误，我们就可以编译 OpenCV。
我们只需要知道我们的 CPU 有多少个内核可用。为此，请使用以下lscpu命令：
查找CPU(s)设置，我们将在下一个命令中使用。
为了最终编译OpenCV，使用make和-j 或 --jobs选项，该选项指定要同时运行的作业数，其值必须等于我们之前找到的内核数:
$ make -j 8
就我而言，完全完成需要半个小时。
5. 安装 OpenCV
在通过 CUDA 和 cuDNN 编译支持 GPU 加速的 OpenCV 后，我们就可以像下载预编译包一样安装它了。
在build目录中，运行以下命令：
$ sudo make install然后用于ldconfig创建必要的链接并缓存到我们新安装的 OpenCV：
$ sudo ldconfig最后一步是为 Python 3 创建指向 OpenCV 绑定的符号链接，以供全局使用。如果你使用默认的 Ubuntu 安装，这是必需的，因为它的可执行文件会在目录中查找包dist-packages，并且默认在site-packages安装 OpenCV 。
为此，请运行以下命令：
$ sudo ln -s /usr/local/lib/python3.8/site-packages/cv2 /usr/local/lib/python3.8/dist-packages/cv2使用 python3 解释器和 cv2.cuda.printCudaDeviceInfo(0) 来验证库是否正常工作：
就是这样。
清理
安装后，有些文件我们将不再需要，可以安全删除：
$ cd ~
$ rm -rf opencv opencv_contrib使用的 CMake 标志参考
CMAKE_BUILD_TYPE =RELEASE：禁用调试选项
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_general_debug
CMAKE_INSTALL_PREFIX =/usr/local: 设置生成的二进制文件的根目录
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_install_root
WITH_CUDA =ON：启用 CUDA 支持
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_func_hetero
WITH_CUDNN=ON：（未记录）启用 cuDNN 支持
WITH_CUBLAS=ON：（未记录）启用 cuBLAS 支持
WITH_TBB =ON：使用线程构建块启用并行编程
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_func_core
OPENCV_DNN_CUDA =ON：启用 CUDA 后端并构建
dnn模块（需要 CUDA、cuDNN 和 cuBLAS）https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_dnn
OPENCV_ENABLE_NONFREE =ON：启用受专利保护的算法
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_misc
CUDA_ARCH_BIN =6.1：指定NVIDIA GPU架构版本（参考第3节）
https://github.com/opencv/opencv/blob/4.x/cmake/OpenCVDetectCUDA.cmake#L217
OPENCV_EXTRA_MODULES_PATH =$HOME/opencv_contrib/modules：包含 OpenCV 的额外模块
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_general_contrib
BUILD_EXAMPLES =OFF：禁用构建示例
https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_general_tests
HAVE_opencv_python3 =ON：强制依赖
opencv_python3https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html#tutorial_config_reference_func
来源
在 Ubuntu 中安装 OpenCV-Python：https://docs.opencv.org/4.5.5/d2/de6/tutorial_py_setup_in_ubuntu.html
OpenCV 安装概述：https://docs.opencv.org/4.x/d0/d3d/tutorial_general_install.html
OpenCV 配置选项参考：https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html
OpenCV 的额外模块存储库：https://github.com/opencv/opencv_contrib
☆ END ☆
如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。
↓扫描二维码添加小编↓
