Opencv4.12.0 (CUDA CUDNN ONNX)编译

Opencv 4.12.0 源码编译

依赖下载

VS2019
opencv-4.12.0
opencv_contrib-4.12.0
onnxruntime-1.18.1
onnxruntime-win-x64-gpu-1.18.1
cudnn-windows-x86_64-8.5.0.96_cuda11-archive
cuda_11.8.0_522.06_windows.exe
nasm-2.16.03-installer-x64
如果访问github下载慢可以访问https://github.akams.cn/加速
注意:必须下载VS2019,使用2022会编译不过,会报CUD版本必须高于12.0,文中中有些图片显示2022,就是因为我踩坑导致,所以各位同志注意一下

准备

nasm安装

安装nasm-2.16.03-installer-x64.exe后,设置系统环境变量中的path

cuda cudnn 安装

安装cuda_11.8.0_522.06_windows.exe

将下图所选整体复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8中

重启Cmake

Cmake配置

基础配置

新增CMAKE_DEBUG_POSTFIX变量

由于我不想debug加后缀d,所以这里新增CMAKE_DEBUG_POSTFIX string类型变量,不填写内容

OPENCV_EXTRA_MODULES_PATH

搜索框搜索OPENCV_EXTRA_MODULES_PATH，添加解压的opencv_contrib中的modules的路径

OPENCV_ENABLE_NONFREE

搜索并勾选OPENCV_ENABLE_NONFREE选项。

build_opencv_world

build_opencv_world可以将所有opencv的库都打包编译在一起，后续配置C++的opencv环境时不需要自己手动选择添加每个小模块

OPENCV_DNN_CUDA\OPENCV_DNN_OPENVINO

OPENCV_DNN_CUDA\OPENCV_DNN_OPENVINO☑️
CPU\GPU两种硬件加速模块

ENABLE_FAST_MATH☑️

用于启用快速数学计算模式，它会牺牲一些精度来换取计算性能的提升

“python”，“java”，“js”，“tests”

分别搜索“python”，“java”，“js”，“tests”，根据需要选中和取消相关选项，默认都是选中的，我们只需要c++相关的，因此都取消了，点击Configure。

BUILD_WITH_STATIC_CRT

BUILD_WITH_STATIC_CRT❌ 编译时不启用静态编译

OPENMP

WITH_OPENMP☑️
MKL_WITHOPENMP

CUDA 配置

CUDA☑️

CUDA_ARCH_BIN☑️
CUDA_ARCH_PTX:同CUDA_ARCH_BIN

CUDA_ARCH_BIN:NVIDIA GPU 计算架构版本 的关键编译参数，决定了 CUDA 程序（如 OpenCV 的 CUDA 模块）针对哪些 GPU 架构进行优化和兼容
CUDA_ARCH_BIN 用于指定编译后的程序支持哪些架构，例如：
6.1：支持 Pascal 架构（如 GTX 1080）
7.5：支持 Turing 架构（如 RTX 2080）
8.6：支持 Ampere 架构（如 RTX 3090）
8.9：支持 Ada Lovelace 架构（如 RTX 4090）
生成针对性优化代码
编译器（NVCC）会根据 CUDA_ARCH_BIN 生成对应架构的二进制代码（sm_xx），充分利用该架构的硬件特性（如 Tensor Core、新指令集等），提升运行性能

CUDA_ARCH_PTX:指定要生成 PTX 代码（Parallel Thread Execution，并行线程执行代码，是一种中间表示形式 ）的 CUDA GPU 架构。PTX 代码可在不同架构的 GPU 上，由 CUDA 运行时及时编译（JIT）为二进制代码，以适配目标 GPU ，比如设置为 8.6，能让程序对该架构及后续兼容架构的 GPU 有更好的适配性 。

CUDA_ENABLE_DELAYLOAD☑️

启用 CUDA 延迟加载（Delay-Load）机制。

CUDA_USE_STATIC_CUDA_RUNTIME❌ 编译时不启用静态编译

onnx 配置

ONNX

启用ONNX,再次点击configure

将onnxruntime-1.18.1\include整体复制到onnxruntime-win-x64-gpu-1.18.1中,然后配置onnxrt_root_dir后再次点击configure

注意:ORT_EP_INCLUDE参数如果没有onnxruntime DirectML 版本的链接库不要填写,下一步的复制文件夹也不用做

将下图所示文件复制到指示的文件夹中

生成VS2019方案

点击Generate

.cache 依赖文件下载失败解决

由于网络问题,opencv依赖的库都会下载失败,这个时候需要我们手动下载
打开下图文件

其中#cmake_download 第一个是依赖是文件应该存放的位置与名称,第二个是下载地址
复制下载地址到浏览器下载

下载完成后将文件改名成一样的名称(所有手动下载的都需要这样改名)注意:有些文件访问后是在网页中呈现,需要手动另存为文件才能过md5验证
也可以直接下载文章顶部的(适合opencv 4.12.0)

编译

报错解决

CUSTOMBUILD : nvcc warning : The 'compute_35', 'compute_37', 'sm_35', and 'sm_37' architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).

这个报错可以忽略,只是提示后续会弃用较旧的 NVIDIA GPU型号

CUDA4DNN_CHECK_CUDNN(cudnnCreateConvolutionDescriptor(&descriptor));

这个报错是缺少zlibwapi.dll导致