【番外】02：Windows 编译带 DNN_CUDA 功能的 OpenCV 动态链接库

文章目录

1. 环境准备
2. 兼容性说明
3. 算力查询
4. 编译步骤
5. 网盘资料

提示： 如果读者因网络环境受限，无法正常下载与本文相关的软件安装包、压缩包，以及编译时的依赖文件，可以从文章最后提供的网盘链接下载资源。

1. 环境准备

（1）Windows 10 或 11 ，64位系统 + 算力较高的 NVIDIA 显卡。

（2）安装配置 CUDA + cuDNN 环境。
可参考教程：【番外】01：Windows 安装配置 CUDA 和 cuDNN 教程

（3）获取 opencv + opencv_contrib 工程源码，本文以 4.9.0 版本为例。

opencv 下载地址：https://opencv.org/releases
找到 4.9.0 版本，点击 Windows 对应链接，下载安装包，运行安装。

在这里插入图片描述

opencv_contrib 下载地址：https://github.com/opencv/opencv_contrib/tags
找到 4.9.0 版本，点击对应的 Zip 压缩包，下载后解压到任意路径。

在这里插入图片描述

（4）安装 Visual Studio 2019
下载地址：https://learn.microsoft.com/zh-cn/visualstudio/releases/2019/history#release-dates-and-build-numbers
点击最新的 “专业版” 进行下载，然后运行安装。

在这里插入图片描述

（5）安装 CMake 3.10 以上版本，下载地址：https://cmake.org/download
下载 Windows x64 Installer 对应的 msi 安装包，运行安装。

在这里插入图片描述

2. 兼容性说明

OpenCV 官方没有直接提供带有 DNN_CUDA 功能的 DLL，这是因为 CUDA、cuDNN 版本，以及显卡种类实在太多，难以全面兼容。

因此，通过本篇教程编译成的 DLL，原则上也只适用于进行编译的电脑环境。

但只要满足以下三点，就可以尝试向其他电脑移植：
（1）CUDA 版本兼容
其他电脑要与编译电脑拥有相同或相近的 CUDA 版本，起码要同为 cuda11 系列或同为 cuda12 系列。

（2）cuDNN 版本一致
其他电脑要与编译电脑拥有尽量相同的 cuDNN 版本。如不相同，可下载相同版本，覆盖安装。

（3）显卡算力兼容
其他电脑的显卡算力必须包含在编译时的 CUDA_ARCH_BIN 变量中，具体见下文。

3. 算力查询

（1）可以通过 NVIDIA 官网查询：https://developer.nvidia.com/cuda-gpus
如果你的 GPU 不在表中，点击 Legacy CUDA GPU Compute Capability ，查询早期 GPU 算力表。

在这里插入图片描述

（2）如果你已经安装了CUDA，那么也可以通过官方提供的demo程序查询算力。
进入 CUDA 安装路径下的 ./extras/demo_suite 文件夹，并在此打开命令终端，执行：deviceQuery.exe
输出信息中的 CUDA Capability 就是当前显卡的算力。

在这里插入图片描述

4. 编译步骤

下面开始进行编译，首先总结一下本人的电脑环境：

系统	Win10 (64位)
显卡	NVIDIA GeForce GTX 1650
CUDA	11.6
cuDNN	8.9.7
opencv + opencv_contrib	4.9.0
Visual Studio	2019 (V16)
CMake	3.28.0

（1）打开 opencv 安装路径，可以看到一个 build 文件夹和一个 sources 文件夹。其中 sources 是源码，build 是官方提供的编译库（无GPU加速）。在此处新建一个文件夹，命名为 build_cuda，用于装载本次带 CUDA 编译的文件。

在这里插入图片描述

（2）启动CMake，如果有上一次的编译缓存残留，可以通过 File >> Delete Cache 将其清空。
接着，在 “Where is the source code” 处填写 opencv 的源码路径，也就是上述的 sources 文件夹。在 “Where to build the binaries” 处填写上述的 build_cuda 文件夹，然后点击左下角的 Configure 按钮。

在这里插入图片描述

（3）在弹出的设置窗口中，选择Visual Studio 16 2019，x64，最后点击Finish，等待 Configure 结束。

在这里插入图片描述

（4）下载依赖失败与解决方案：

Configure 过程中，会从 github 等网站下载依赖文件，暂存于 sources 目录下的 .cache 文件夹中，然后再自动拷贝或解压到 build_cuda 目录下的 3rdparty 文件夹中；
如果网络环境受限，将会出现如下图的 Download failed。这种 Warning 虽然不影响 Configuring done，但必须要解决！
build_cuda 目录下的 CMakeDownloadLog.txt 完整记录了每个依赖文件的下载链接，以及下载成功时，本应该在 .cache 中的命名与保存路径。可以据此手动下载每个依赖文件，并按格式放入 .cache 中。全部完成后，再次尝试 Configure；
如果实在无法下载，并且您编译的 opencv 版本为4.9.0，环境也与我相似，那么可以从本文最后提供的网盘链接下载 .cache 文件夹，直接替换您的 .cache 文件夹。完成后，再次尝试 Configure。
下文步骤中每一次 Configure 都需要检查有无 Download failed 警告，并按上述方法解决。其他类型的 Warning 一般不用处理。

（5）运行显示 Configuring done，并且过程中无 Download failed 警告。接下来继续调整参数。
在 Search 框中搜索关键字 cuda，勾选三项：BUILD_CUDA_STUBS、OPENCV_DNN_CUDA 和 WITH_CUDA 。

在这里插入图片描述

（6）搜索 nonfree 关键字，勾选 OPENCV_ENABLE_NONFREE 。

在这里插入图片描述

（7）搜索 extra 关键字，设置 OPENCV_EXTRA_MODULES_PATH 为解压后的 opencv_contrib-4.9.0 中的 modules 路径。路径分隔符号建议用左斜杠 “ / ”，以防止编译器误转义。

在这里插入图片描述

（8）搜索 world 关键字，勾选 BUILD_opencv_world ，代表将所有库编译成一个总集成的 opencv_world490.dll 。

在这里插入图片描述

（9）我们本次只编译C++的动态链接库，取消其他语言的编译项。分别搜索 python、java、js、tests 关键字，取消勾选相关的选项。

在这里插入图片描述

（10）再次点击 Configure，显示 Configuring done 并且过程中无 Download failed 警告。再进一步调整参数。

（11）搜索 ENABLE_FAST_MATH，将其勾选。

在这里插入图片描述

（12）接下来是关键的显卡算力设置。搜索 arch 关键字，出现两个关键变量 CUDA_ARCH_BIN 和 CUDA_ARCH_PTX 。

CUDA_ARCH_BIN 是兼容的显卡算力，多个算力用分号隔开。兼容的越多，编译时间越长，生成的 DLL 文件也越大。
(注意观察它的初始值，是当前CUDA能支持的所有算力，假如最大值都比你的显卡算力小，那么你应该先升级CUDA）
CUDA_ARCH_PTX 是中间语言 PTX 使用的架构，设为 CUDA_ARCH_BIN 中的最大值即可。

比如，我只想兼容与我的 GTX 1650 算力相同的显卡，就可以将 CUDA_ARCH_BIN 和 CUDA_ARCH_PTX 都设为 7.5 ，这样生成的 DLL 最小，也最匹配。

如果我想同时兼容比我算力小一些的 GTX 1060，就将 CUDA_ARCH_BIN 设为 6.1;7.5，CUDA_ARCH_PTX 依然设7.5，这样生成的 DLL 可以兼容这两种显卡，但文件比较大。

在这里插入图片描述

（13）最后一次点击 Configure，显示 Configuring done 并且过程中无 Download failed 警告。再点击 Generate，显示 Generating done 时编译成功，关闭 CMake 。

在这里插入图片描述

（14）打开上述 build_cuda 文件夹，找到生成的工程文件 OpenCV.sln，用 VS2019 管理员权限将其打开。

（15）在菜单栏下方，将环境设置为 Release 和 x64 。

在这里插入图片描述

（16）在 “解决方案资源管理器” 窗口中，展开 CMakeTargets，对 ALL_BUILD 点右键 >> 生成。

该过程需要1小时左右，取决于 CPU性能和兼容算力的多少；
一定要确保 Cmake 阶段没有 Download failed，否则1小时等来一场空！

在这里插入图片描述

（17）完成后，对 INSTALL 点右键 >> 生成。至此，编译过程全部结束。

在这里插入图片描述

（18）在上述 build_cuda 文件夹下，找到生成的 install 文件夹，我们需要的 DLL 就位于 ./install/x64/vc16/bin 路径下。其中：

opencv_world490.dll 是主要的动态链接库，单一显卡算力下，大概有200多MB；
opencv_videoio_ffmpeg490_64.dll 是处理视频流的依赖库，该 DLL 不区分 opencv 带GPU加速与否，因此可以沿用官方原版；
opencv_img_hash490.dll 是图像哈希函数库，根据需要选择是否使用，非必需。

在这里插入图片描述