文章目录
附件：GPU和CUDA的关系 —— 开发人员通过CUDA可以使用GPU的计算能力来加速各种计算任务，并提高计算性能和效率。
GPU（图形处理器，Graphics Processing Unit）
是一种专门设计用于图形渲染和并行计算的硬件设备。传统上，GPU 主要用于图形渲染，即将 3D 数据转换为 2D 图像，以显示在计算机屏幕上。然而，由于 GPU 在并行计算方面的强大能力，逐渐引起了开发者的关注，并开始将 GPU 应用于通用目的的并行计算。现代 GPU 具有大量的处理单元（称为 CUDA Core 或 Shader Core），可以同时执行多个并行计算任务，从而在适合并行计算的任务上提供巨大的计算能力。
CUDA（计算统一设备架构，Compute Unified Device Architecture）
是由 NVIDIA 开发的一种用于通用计算的并行计算平台，它提供了一组编程接口和工具，通过 CUDA，开发者可以使用编程语言（如 CUDA C/C++、CUDA Python）编写 GPU 内核函数（称为 CUDA Kernel），并使用 NVIDIA 的 GPU（图形处理器）执行这些内核函数，以加速各种计算任务，包括图形渲染、科学计算、机器学习等。
两者关系：CUDA是一种用于编写并行计算任务的平台和编程模型，而GPU是实际用于执行计算任务的硬件设备。开发人员通过CUDA可以使用GPU的计算能力来加速各种计算任务，并提高计算性能和效率。
一、环境配置
（0）我的电脑配置环境
windows 10
RTX 3090
cuda 11.8.0
python 3.9.16
opencv 4.6.0# 注意，安装GPU版的openvc之前需要删除原本的opencv # 备注：OpenCV官网下载的源码只支持python3.9
（1）CUDA + cuDNN下载与安装
请看博主的这篇文章：https://blog.csdn.net/shinuone/article/details/129054444
（2）OpenCV源码下载与环境配置
OpenCV下载链接Build OpenCV (including Python) with CUDA on Windows，打开后选择找到
OpenCV C++ CUDA builds
跳转到下载页面，或者直接跳转下载页面OpenCV C++ CUDA builds。
图解教程请看这篇文章
【步骤一】 选择与自己的电脑环境相支持的版本，OpenCV官网下载的源码只支持python3.9。
【步骤二】 点击opencv_contrib_cuda_4.6.0.20221106_win_amd64.7z，下载并解压缩，得到两个文件夹：install + lib
【步骤三】 添加系统环境变量：电脑 + 属性 + 高级系统设置 + 环境变量 + 系统变量 + Path + 新建 +D:\AI\opencv_contrib_cuda_4.6.0.20221106_win_amd64\install\x64\vc17\bin【步骤四】 提取源码中的python3\cv2.cp39-win_amd64.pyd并保存到自己的环境中。注意：cp39表示只支持python3.9版本。
（1）复制文件D:\AI\opencv_contrib_cuda_4.6.0.20221106_win_amd64\lib\python3\cv2.cp39-win_amd64.pyd（2）将其保存到Python环境或Anaconda虚拟环境的site-packages中
D:\Anaconda\envs\py39\Lib\site-packages\cv2.cp39-win_amd64.pyd【步骤四】
（3）ImportError: DLL load failed while importing cv2: 找不到指定的模块。
- 方式一：在cmd中测试是否安装成功
python -c "import cv2; print(f'OpenCV: {cv2.__version__} for python installed and working')"
- 方式二：在Pycharm中测试是否安装成功
import cv2print(f'OpenCV: {cv2.__version__} for python installed and working')【BUG】将上述代码复制到Pycharm中，系统显示
No module named 'cv2'
且运行结果如下：
（4）解决方法：添加DLL路径
添加三行代码（需要根据自己的安装环境修改地址）
import os
# 备注：CUDA的安装路径# 备注：opencv_contrib_cuda的安装路径# os.add_dll_directory('C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v12.0\\bin')
os.add_dll_directory(r'D:\CUDA\CUDA02\bin')
os.add_dll_directory(r'D:\AI\opencv_contrib_cuda_4.6.0.20221106_win_amd64\install\x64\vc17\bin')import cv2
print(f'OpenCV: {cv2.__version__} for python installed and working')
在源码中系统仍会显示
No module named 'cv2'，但是可以运行成功且不影响后续使用。
运行结果如下：
二、测试样本：上传图像到GPU + 从GPU下载图像
import os
os.add_dll_directory(r'D:\CUDA\CUDA02\bin')
os.add_dll_directory(r'D:\AI\opencv_contrib_cuda_4.6.0.20221106_win_amd64\install\x64\vc17\bin')import cv2
print(f'OpenCV: {cv2.__version__} for python installed and working')# （1）读取图像
image = cv2.imread('your_template.png')if image isNone:print("无法加载图像1")# （2）GPU设置# print(cv2.cuda.getCudaEnabledDeviceCount()) # 检查是否有可用的 GPU
cv2.cuda.setDevice(0)# 设置使用的 GPU 设备索引，0 表示第一个 GPU# cv2.cuda.printCudaDeviceInfo(0) # 打印 GPU 设备信息# （3）上传与下载
image_gpu = cv2.cuda_GpuMat()# 3.0创建一个空的GPU矩阵
image_gpu.upload(image)# 3.1将图像上传到GPU
screenshot = cv2.cuda.cvtColor(image_gpu, cv2.COLOR_RGB2BGR)# 3.2图像处理
screenshot = cv2.cuda.resize(screenshot,(400,400))
result_cpu = screenshot.download()# 3.3从GPU下载处理后的图像到CPU# （4）打印上传与下载前后的图像属性不改变print("图像宽度: ", image.shape)print("数据类型:", image.dtype)print("在CPU下，原始图像格式:",type(image))print()print("在GPU下，处理后的图像格式:",type(screenshot))print()print("在CPU下，处理后的图像格式:",type(result_cpu))print("图像宽度: ", result_cpu.shape)print("数据类型:", result_cpu.dtype)# （5）显示图像if result_cpu isNone:print("无法加载图像2")else:
cv2.imshow("Window", result_cpu)
cv2.waitKey(0)
cv2.destroyAllWindows()
三、python使用GPU读取视频
（1）opencv - python使用CUDA处理图像
（2）opencv - python使用CUDA读取视频
（3）opencv - C++使用CUDA的入门教程
版权归原作者 胖墩会武术 所有， 如有侵权，请联系我们删除。