Welcome to My Blog

• 问题：
    1）Python通过pip或conda安装的OpenCV库仅支持CPU；
    2）网上找到的教程基本都是通过VS配置CUDA环境（VS太强大了，但并不想安装）；

• 解决办法：
    3）可以使用官方预构建源代码配置支持GPU模块的OpenCV；
    4）在Win10中配置OpenCV4.5并与Python3.8环境绑定以支持GPU加速，并且不使用Visual Studio。

开始吧！

1. 查看电脑CUDA版本

• 依次打开：控制面板——NVIDIA控制面板——帮助——系统信息——组件(图中红框CUDA后面的一串数字为版本号)。
  

2. 下载CUDA Toolkit

• 点这里获取电脑CUDA版本对应的Toolkit (点击链接后如图所示)。再点击下图的红框内容下载(注意CUDA版本)，安装时最好不要修改其默认的安装目录。
  

3. 下载cuDNN

• 点这里获取和CUDA版本对应的cuDNN (点击链接后如图所示)。再点击第一个图的红框内容下载(注意CUDA版本)，然后解压，得到第二幅图所示文件夹。
  

• 将里面的三个文件夹放入CUDA Toolkit安装目录，默认安装的目录如下：
  

4. 下载OpenCV源代码

• 在这里下载官方预构建的源代码，得到：opencv_4_5_0_cuda_11_1_py38.7z压缩文件(下述第三个文件)；
  

• 第三个文件解压后，得到前两个文件夹；
  

• 进入第一个install文件夹，依次进入下图路径，然后添加将其到系统环境变量中；
  
  
  

• 进入第二个lib文件夹，依次进入下图路径；
  
  
  

• 复制上面红框中的文件，放入自己的site-packages中，分两种情况：
  1）在安装的Python环境中绑定(我的Python安装目录)：
  

  2）在Anaconda虚拟环境中绑定(我的Anaconda虚拟环境)：
  

5. 测试是否成功

• 在cmd或Powershell输入：

python -c "import cv2; print(f'OpenCV: {cv2.__version__} for python installed and working')"

• 若得到下图所示的输出，就配置成功了：

OpenCV: 4.5.0 for python installed and working

• 这是我自己配置的结果，这样配置的CUDA环境目前可以满足我的应用。

记录一下自己的配置过程，如有错误或改进地方，欢迎指正~

本文结束…