windows10+cuda7.5+opencv2.4.13+vs2013环境配置

前几天想把代码移植到linux下，想用服务器上的GPU来加速处理，结果搞了几天，头都大了，环境还没配好，ffmpeg ,opencv,gstreamer,单独装都没毛病，想让这些库关联起来，而且没毛病简直是闹心，还有各种依赖库，几十个，看着都头大，于是弃坑，还是回归到Windows的怀抱。不过配置的过程，也是头疼，网上各种教程，于是总结一下，加上自己的亲身经历，亲测有效，代码可以运行。

所需的软件和库

1.GPU 首先要确定你电脑上的GPU支持cuda吗，这个可以再英伟达的官网上查看规格参数，我用的是笔记本，配的是GTX950M，cuda核心数：640 ，架构：Maxwell，还算新的架构，这个架构问题后面还是挺蛋疼的。 2.opencv2.4.13 下载地址：http://opencv.org/downloads.html 如果是2.4.9也是可以的 安装后，就是解压到一个文件下， 安装完，需要配置windows的环境变量，在path中加入：D:\application\opencv\build\x64\vc12\bin; D:\application\opencv\build\x86\vc12\bin

3.CUDA ToolKit 7.5 下载地址：https://developer.nvidia.com/cuda-75-downloads-archive 让它默认安装，一般在c:programfiles/NVIDIAGPU computing toolkit/下。 没有用最新的8.0，感觉应该没差吧 4.cmake3.4.3 下载地址：https://cmake.org/download/ 别问为什么是3.4.3，网上有人说只能用这个，说其他的报错，好吧，我信了，且也用了。它的作用就是将opencv和cuda一起编译，生成一个新的版本。 5.TBB ，据说是编译opencv_core库用的，我下的最新的， 下载地址：https://github.com/01org/tbb/releases 可以自定义安装，好找位置。 将D:\application\tbb2017_20170226oss\bin\intel64\vc12添加到环境变量中。 6.python2.7 下载地址：https://www.python.org/downloads/ 这个作用不明，好像有用吧

开始配置

启动cmake 1.在source code :填入D:/application/opencv/sources(根据自己的目录定，就是sources文件夹位置) 在where is to build :填入D:/application/opencv/build/cuda。这个cuda文件夹是自己建的，意思是最后编入得目的文件夹。 注意选择advanced

2.然后点configure 会提示你选择编译器，选择visual studio 12 2013 win64 cmake配置： 取消选择BUILD_DOCS 和‘BUILD_EXAMPLES 确认‘CMAKE_LINKER’, Visual Studio vs2013的路径 取消‘CUDA_ATTACH_VS_BUILD_RULE_TO_CUDA_FILE’ 选择‘WITH_CUBLAS’, ‘WITH_CUDA’, ‘WITH_OPENGL’, ‘WITH_TBB’ (TBB is optional) 在CUDA_GENERATION，只能找到kelper,fermi,auto,还有空白，找不到maxwell，于是就选择空白，不要选其他的，如果你的可以找到可以直接选择，下边这两项就可以省略了。 由于我的显卡是maxwell，它的计算能力是5.0，这个你可以官网查到 所以就要设置，CUDA_ARCH_BIN=2.0 2.1(2.0) 3.0 3.5 5.0、CUDA_ARCH_PTX=5.0

再点击configure 会发现许多红的消失了 这时候回弹出新的红色，关于tbb的路径问题 include path :D:/tbb43_20140724oss\include 再次点击configure 会弹出配置tbb lib路径：D:/tbb43_20140724oss/lib/intel64/vc12 再点击configure，这次应该没红色了 3，没有红色，就可以点击generate 如果成功，就可以再目标目录D:/application/opencv/build/cuda下面找到一个opencv.sln 先管理员权限打开vs2013,然后打开这个opencv.sln 在解决方案管理器下，看到许多的库，这就是要重新编译的部分， 首先，先编译modules下的opencv_core,opencv_gpu，分别，右键-仅用于此项目-生成 如果这两个没问题，那恭喜你，基本没问题了，其中opencv_gpu是最慢的。 你就可以ALL_BUILD，如果没有错误，就cmake_target 中INSTALL 先在release下编译，完成后，再到debug下进行。 一次要两个小时，这过程，慢慢等吧，而且还要祈祷没问题发生。 编译完会有一个重新加载，点击全部重新加载。 比较开心的就是，我release没报错，在debug的时候，报错了，于是我在debug下先编译了opencv_gpu,然后再all_build，就成功了，简直是个玄学。 安装成功后，就在build/cuda/下生成install文件夹。

4.就是使用和测试了 好多坑，这个搞了一天 先将D:\application\opencv\build\cuda\install\x64\vc12\bin中的dll，拷贝到C：windows/system32目录下。 将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin加入到系统环境变量中。 D:\application\opencv\build\cuda\install\x64\vc12\bin加入到系统变量中 重启电脑。

新建一个项目，比如main.cpp，打开视图-其他窗口-属性管理器，win32.user-属性 vc++目录 包含目录： D:\application\opencv\build\cuda\install\include\opencv2 D:\application\opencv\build\cuda\install\include\opencv D:\application\opencv\build\cuda\install\includ 库目录： D:\application\opencv\build\cuda\install\x64\vc12\lib C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\lib\Win32 链接器-输入： debug下 opencv_imgproc2413d.lib opencv_calib3d2413d.lib opencv_contrib2413d.lib opencv_core2413d.lib opencv_features2d2413d.lib opencv_flann2413d.lib opencv_gpu2413d.lib opencv_highgui2413d.lib opencv_legacy2413d.lib opencv_ml2413d.lib opencv_nonfree2413d.lib opencv_objdetect2413d.lib opencv_ocl2413d.lib opencv_photo2413d.lib opencv_stitching2413d.lib opencv_superres2413d.lib opencv_ts2413d.lib opencv_video2413d.lib opencv_videostab2413d.lib cudart.lib

release下 opencv_imgproc2413.lib opencv_calib3d2413.lib opencv_contrib2413.lib opencv_core2413.lib opencv_features2d2413.lib opencv_flann2413.lib opencv_gpu2413.lib opencv_highgui2413.lib opencv_legacy2413.lib opencv_ml2413.lib opencv_nonfree2413.lib opencv_objdetect2413.lib opencv_ocl2413.lib opencv_photo2413.lib opencv_stitching2413.lib opencv_superres2413.lib opencv_ts2413.lib opencv_video2413.lib opencv_videostab2413.lib cudart.lib 配置完debug，配置release(感觉没啥用) 然后调试 报错： 模块计算机类型“x64”与目标计算机类型“X86”冲突

因为库是x64编译器编出来的，但是vs默认是win32的编译配置 在配置管理器中选择平台x64,没有就新建一个，选中x64,（默认你的vs是支持编译x64） 这个时候再去看属性管理器，发现多了两个debug/x64,release/x64 安装上面配的过程，把这两个也配了，主要是配debug 再源文件中添加，新建项-cuda7.5 test.cu文件

#include "cuda_runtime.h" #include "device_launch_parameters.h" #include <stdio.h> //cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size); __global__ void addKernel(int *c, const int *a, const int *b) { int i = threadIdx.x; c[i] = a[i] + b[i]; } // Helper function for using CUDA to add vectors in parallel. extern "C" cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size) { int *dev_a = 0; int *dev_b = 0; int *dev_c = 0; cudaError_t cudaStatus; // Choose which GPU to run on, change this on a multi-GPU system. cudaStatus = cudaSetDevice(0); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaSetDevice failed! Do you have a CUDA-capable GPU installed?"); goto Error; } // Allocate GPU buffers for three vectors (two input, one output) . cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int)); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMalloc failed!"); goto Error; } cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int)); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMalloc failed!"); goto Error; } cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int)); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMalloc failed!"); goto Error; } // Copy input vectors from host memory to GPU buffers. cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMemcpy failed!"); goto Error; } cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMemcpy failed!"); goto Error; } // Launch a kernel on the GPU with one thread for each element. addKernel<<<1, size>>>(dev_c, dev_a, dev_b); // Check for any errors launching the kernel cudaStatus = cudaGetLastError(); if (cudaStatus != cudaSuccess) { fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus)); goto Error; } // cudaDeviceSynchronize waits for the kernel to finish, and returns // any errors encountered during the launch. cudaStatus = cudaDeviceSynchronize(); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus); goto Error; } // Copy output vector from GPU buffer to host memory. cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaMemcpy failed!"); goto Error; } Error: cudaFree(dev_c); cudaFree(dev_a); cudaFree(dev_b); return cudaStatus; }

main.cpp文件

#include <iostream> #include "cuda_runtime.h" #include "device_launch_parameters.h" using namespace std; extern "C" cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size); int main(int argc,char **argv) { const int arraySize = 5; const int a[arraySize] = { 1, 2, 3, 4, 5 }; const int b[arraySize] = { 10, 20, 30, 40, 50 }; int c[arraySize] = { 0 }; // Add vectors in parallel. cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize); if (cudaStatus != cudaSuccess) { fprintf(stderr, "addWithCuda failed!"); return 1; } cout<<"{1,2,3,4,5} + {10,20,30,40,50} = {"<<c[0]<<','<<c[1]<<','<<c[2]<<','<<c[3]<<'}'<<endl; printf("cpp工程中调用cu成功！\n"); // cudaDeviceReset must be called before exiting in order for profiling and // tracing tools such as Nsight and Visual Profiler to show complete traces. cudaStatus = cudaDeviceReset(); if (cudaStatus != cudaSuccess) { fprintf(stderr, "cudaDeviceReset failed!"); return 1; } system("pause"); //here we want the console to hold for a while return 0; }

右键工程-生成依赖项-生成自定义-选择cuda7.5

右键工程-属性 会发现多了很多东西 选中test.cu-右键-属性-项类型-cuda c/c++

工具-选项-文本编辑器-文件扩展名 添加cu cuh

致此，终于完成了，调试运行，成功。 你也可以直接测试cuda是否安装成功 vs2013 新建项目 起名为test 系统会为你生成一个kernel.cu文件 直接运行，完美，成功！

.cu文件和cpp文件混合编译，可以先建cpp,在添加.cu。也可以先建.cu，然后将代码替换掉系统给的kernel.cu，然后再添加cpp

其中自己的代码也出了很多问题，慢慢改，如果配置没问题，都是可解决的，再不行就重装一遍嘛，哈哈。