博主未授权任何人或组织机构转载博主任何原创文章，感谢各位对原创的支持！
博主链接

本人就职于国际知名终端厂商，负责modem芯片研发。
在5G早期负责终端数据业务层、核心网相关的开发工作，目前牵头6G技术研究。


博客内容主要围绕：
       5G/6G协议讲解
       高级C语言讲解
       Rust语言讲解

一、安装cuda支持的opencv-python Windows版本

1.1 基础软件包准备

需要安装CUDA Toolkit、NVIDIA cudnn、vs2022、cmake、python，这一节主要介绍一下CUDA Toolkit、NVIDIA cudnn的安装，其他的都比较常用了，相信大家已经在使用了。

1.1.1 检查是否安装了NVIDIA CUDA Toolkit

在Windows命令行窗口输入

nvidia-smi

查看是否安装了cuda toolkit，如果显示下面的内容表示已经安装了

如果没有安装需要登陆NVIDIA网站，下载最新版本的cuda toolkit并安装。

1.1.2 安装cudnn

从NVIDIA下载cudnn版本，下载后正常安装就可以。

1.2 安装cuda支持的opencv-python

1.2.1 首先需要下载opencv和opencv-contrib

opencv
opencv-contrib

1.2.2 解压上面的安装包，并创建下面的目录结构

1.2.3 安装numpy、opencv-python、opencv-contrib-python

pip install numpy
pip install opencv-python
pip install opencv-contrib-python

1.3 使用cmake-gui配置项目参数

1.3.1 配置opencv代码目录和编译目录

1.3.2 配置编译器，并初次构建

1.3.3 配置宏定义，开启cuda功能

宏名	值
WITH-CUDA	ON
OPENCV-DNN-CUDA	ON
ENABLE_FAST_MATH	ON
OPENCV_ENABLE_NONFREE	ON
BUILD_opencv_world	ON

上面都是布尔参数，下面配置的是opencv的外部库，

执行配置过程，正常会失败，没关系我们还有一些参数没有配置

1.3.4 继续配置宏定义

宏名	值
CUDA_FAST_MATH	ON
CMAKE_CONFIGURATIONTYPES	Release

下面配置的是cudnn的库（一定要明确到具体的库文件，不能只定位到目录，感觉是bug）

1.3.5 查询NVIDIA GPU算力，并配置相关宏定义

进入cuda toolkit安装目录（默认安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite），在cmd中执行deviceQuery.exe

可以看到博主的GPU能力是8.6，配置下面的宏定义

宏名	值
CUDA_ARCH_BIN	8.6

执行配置过程

1.3.6 检查python版本是否正确

博主的电脑中有多个python版本，之前就遇到过实际使用的python版本与cmake自动检测的python版本不一致，导致显示安装成功，但是没有实际的效果。下面是cmake自动检测的python版本

如果你使用的python版本与自动检测的不一致，可以参考下面的宏定义修改python版本

1.3.7 生成配置文件

1.4 编译和安装

1.4.1 打开vs2022构建项目

右键ALL_BUILD选择生成，此时就开始了漫长的编译过程，差不多需要60分钟

1.4.2 安装

右键INSTALL选择生成，此时就开始了安装过程

1.5 测试安装正确性

执行下面的代码

import os
os.add_dll_directory("C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v12.6\\bin")
os.add_dll_directory("C:\\Program Files\\NVIDIA\\CUDNN\\v9.3\\bin\\12.6")
import cv2count = cv2.cuda.getCudaEnabledDeviceCount()
print(count)

可以看到输出的结果为1，表示已经成功安装了cuda使能的opencv-python。

二、常见错误处理

2.1 CUDA Toolkit 版本太低

问题现象：fatal error C1189: #error: – unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2022 (inclusive) are supported! The nvcc flag ‘-allow-unsupported-compiler’ can be used to override this version check; however, using an unsupported host compiler may cause compilation failure or incorrect run time execution. Use at your own risk.

解决方法：可以参考 1.1.1节更新 CUDA Toolkit，更新后需要同步更新下面的宏参数：

2.2 cuDNN宏定义没有指定到具体的库文件名

问题现象：提示 x64.lib not found in opencv_world.vcxproj

解决方法：将宏变量CUDNN_LIBRARY指定到具体的库文件名。如果只是指定到x64文件夹，会提示无法打开x64.lib文件；如果指定到lib文件夹，会提示无法打开lib.lib文件。

2.3 python加载cv2的时候显示 dll 加载失败

问题现象：提示 “A dynamic link library (DLL) initialization routine failed”

Traceback (most recent call last):File "d:\programming\fanduel-boggle-cheat\opencv_cuda_cudnn.py", line 4, in <module>import cv2File "C:\Users\evank\anaconda3\envs\opencv_cuda_cudnn\Lib\site-packages\cv2\__init__.py", line 181, in <module>bootstrap()File "C:\Users\evank\anaconda3\envs\opencv_cuda_cudnn\Lib\site-packages\cv2\__init__.py", line 153, in bootstrapnative_module = importlib.import_module("cv2")^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^File "C:\Users\evank\anaconda3\envs\opencv_cuda_cudnn\Lib\importlib\__init__.py", line 126, in import_modulereturn _bootstrap._gcd_import(name[level:], package, level)^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
ImportError: DLL load failed while importing cv2: The specified module could not be found.

解决方法：需要指定cudnn和cuda的bin目录

import os
os.add_dll_directory("C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v12.6\\bin")
os.add_dll_directory("C:\\Program Files\\NVIDIA\\CUDNN\\v9.3\\bin\\12.6")
import cv2count = cv2.cuda.getCudaEnabledDeviceCount()
print(count)

2.4 无法打开文件“pythonxxx_d.lib”

问题现象：提示无法打开文件“pythonxxx_d.lib”

解决方法：主要因为使用vs2022编译方式为Debug，并不是Release。项目构建方式换成Release就可以了。pythonxxx_d.lib是CPython的debug版本。

---