YOLO_GPU+cuda7.5+cv2.4.10实现
参考文章:封装yolo-windows为动态链接库这篇文章主要cuda和opencv的安装做一些记录:配置:win10_x64+GTX970CUDACUDA 依次选择【Windows】-【x86_64】-【win10】-【exe[local]】cuda7.5 : cuda_7.5.18_win10cuda8.0 : cuda_8.0.44_win10第一点:
参考文章:封装yolo-windows为动态链接库
这篇文章主要cuda和opencv的安装做一些记录:
配置:win10_x64+GTX970
CUDA
CUDA 依次选择【Windows】-【x86_64】-【win10】-【exe[local]】
cuda7.5 : cuda_7.5.18_win10
cuda8.0 : cuda_8.0.44_win10
第一点:用户变量和系统变量会在安装过程中自动配置,如果没有配置,则需要手动配置:
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
cmd下测试指令:nvcc -V。或者跑一些CUDA Samples测试。
第二点:工程配置步骤:
1 创建win32控制台项目,并在源文件中添加CUDA/C file xx.cu文件。
2 右键cuda项目–生成自定义,在可用的生成自定义项文件中勾选CUDA选项。
3 刚创建的xx.cu文件.左侧选”配置属性–常规”,在右边选择项类型,下拉菜单中选CUDA C/C++。
4 右键 cuda项目 - 属性 - 配置属性 - CUDA C/C++ - 常规 - 附加包含目录,增加一项:
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\inc
第三点:包含目录和库目录:
包含目录:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
OPENCV2.4.10
temp:;D:\opencv\build\x64\vc14\bin
D:\opencv\build\include
D:\opencv\build\include\opencv
D:\opencv\build\include\opencv2
D:\opencv\build\x64\vc14\lib
opencv_world320d.lib
Path:D:\opencv249\build\x86\vc12\bin
用户变量:添加opencv变量,值D:\opencv249\build,
添加PATH变量(有就不需要添加,但是值需要添加)值D:\opencv249\build\x86\vc12\bin
D:\opencv249\build\include
D:\opencv249\build\include\opencv
D:\opencv249\build\include\opencv2
D:\opencv249\build\x86\vc12\lib
opencv_ml249d.lib
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_objdetect249d.lib
opencv_ts249d.lib
opencv_video249d.lib
opencv_nonfree249d.lib
opencv_ocl249d.lib
opencv_photo249d.lib
opencv_stitching249d.lib
opencv_superres249d.lib
opencv_videostab249d.lib

欢迎来到由智源人工智能研究院发起的Triton中文社区,这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂,为推动人工智能技术的普及与深化应用贡献力量。
更多推荐
所有评论(0)