前言CMake是一个构建工具，通过它可以很容易创建跨平台的项目。通常使用它构建项目要分两步，通过源代码生成工程文件，通过工程文件构建目标产物（可能是动态库，静态库，也可能是可执行程序）。使用CMake的一个主要优势是在多平台或者多人协作的项目中，开发人员可以根据自己的喜好来使选择IDE，不用受其他人工程配置的影响，它有点像跨平台的IDE，通过它配置好相关设置之后，可以在多个平台无缝衔接，提高开发效率。最简单的CMake工程项目搭建一个用CMake来管理的项目，其项目根目录通常会包含一个CMakeLists.txt的文件，当然子目录可能也有，这种情况我们稍后再说。我们先从最简单的项目开始。以下就

我正在构建一个使用CMake生成项目的中型项目。在XCode7+上，ENABLE_BITCODE选项默认设置为"is"。我想在我生成的XCode项目中将其默认设置为“否”。我尝试将“-fno-embed-bitcode”和“-fno-embed-bitcode-marker”添加到我的CMAKE_C_FLAGS中，但这没有效果。 最佳答案 原来我搜索不够。您可以通过调用:set_target_properties(targetPROPERTIESXCODE_ATTRIBUTE_ENABLE_BITCODE"NO")来自您的CMake

测试环境：centos7.9cmake==3.25.0./bootstrap以后报错如下：CouldNOTfind OpenSSL,trytosetthepathtoOpenSSLrootfolderinthesystemvariableOPENSSL_ROOT_DIR(missing:OPENSSL_CRYPTO_LIBRARYOPENSSL_INCLUDE_DIR)CMakeErroratUtilities/cmcurl/CMakeLists.txt:485 (message): CouldnotfindOpenSSL. InstallanOpenSSLdevelopmentpackage

1、查看python版本1）键盘windows+R键，弹出如下：2、 2）点击确定，弹出如下： 3）输入python，便可输出python版本2、查看cuda版本1）打开pycharm编辑器2）输入：importtorchprint(torch.version.cuda)3）运行后输出：  3、查看pytorch版本1）打开pycharm编辑器2）输入：importtorchprint(torch.__version__)3）运行后输出：   4、查看tensorflow版本1）打开pycharm编辑器2）输入：importtensorflowastfprint(tf.__version__)

目录1问题背景2问题探索2.1CUDA固有显存2.2显存激活与失活2.3释放GPU显存3问题总结4告别Bug1问题背景研究过深度学习的同学，一定对类似下面这个CUDA显存溢出错误不陌生RuntimeError:CUDAoutofmemory.Triedtoallocate916.00MiB(GPU0;6.00GiBtotalcapacity;4.47GiBalreadyallocated;186.44MiBfree;4.47GiBreservedintotalbyPyTorch)本文探究CUDA的内存管理机制，并总结该问题的解决办法2问题探索2.1CUDA固有显存在实验开始前，先清空环境，终端

目录1安装visualstudio2安装CMake3OpenCV源码安装3.1OpenCV源码下载3.2OpenCVcontrib源码下载3.3安装OpenCV3.4安装OpenCV-crontrib3.5 VS生成代码4环境配置5TensorRT安装5.1 TensorRT安装5.2Python下安装TensorRT库最近在研究windows系统上部署安装目标检测算法，需要用到OpenCV软件，因为OpenCV可能是目前使用最广泛的开源图像处理工具了，尤其是在科研领域。于是，本篇博客主要详细记录一下如何在Windows操作系统下，搭建VisualStudio2022+OpenCV4.5.5+

CUDA环境搭建[windows10]一、检查显卡支持的cuda版本二、安装vs2019三、安装cuda四、检测cuda是否安装成功五、配置vs项目总结：一、检查显卡支持的cuda版本（1）第一种方法：win+R打开cmd，输入nvidia-smi，我的显卡是nvidiageforcegt1030，支持的cuda版本是11.4。+-----------------------------------------------------------------------------+|NVIDIA-SMI471.41DriverVersion:471.41CUDAVersion:11.4||-

项目场景：显卡：QuadroK5200由于最近给十年前的老机器装pytorch遇到了很多问题最主要的是cuda的算力只能下载一定版本的CUDA驱动一定版本的CUDA又只能下载一定版本的pytorch在低版本的pytorch又必须是一定版本的python　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　提示：计算机的算力是固定的，由显卡决定。但是CUDA的版本是可以更改的，当CUDA版本过高，即使下载对应CUDA版本的Python与pytorc

opencvgpu版本安装cmake编译opencv4.5.5/opencv4.6.0/opencv4.7.0gpu版本编译方法相同，本文以opencv4.5.5为例1编译环境准备一定确保已经成功安装了cuda工具包，以及VS编译器，清单如下cuda工具包visualstudio编译器cmake构建工具opencv源码opencv-contrib源码1.1cmake构建工具下载https://cmake.org/download/1.2opencv源码下载官网下载地址https://opencv.org/releases/国内源：https://www.raoyunsoft.com/wordp

一、Cuda下载安装1.查看对应版本win+r打开cmd命令行输入命令【nvidia-smi】如下图查看版本： 2.cuda下载点击cuda下载链接选择下载的版本不能高于自己的显卡驱动版本（例如：我这里是12.1，所以不能下载高于12.1的版本，这里我选择的是11.8。点进去后选择信息开始下载） 3.cuda安装双击下载的cuda文件，开始安装（位置默认就好不用更改）然后点击【同意并继续】这里选择【自定义】 ​取消驱动组件，其余按图片上勾选即可！ ​点击【下一步】 ​等待安装即可！ ​ 安装完成！​ 4.cuda验证是否安装完成win+r打开cmd输入【nvcc-V】查看，如下图表示安装成功！