文章目录准备工作CUDA安装cudnn安装准备工作注：本机系统为Ubuntu20.041.安装显卡驱动打开‘软件和更新，点击附加驱动安装显卡驱动。2.gcc安装若系统为Ubuntu22.04，则需要安装。在终端输入一下指令，查看有没有gcc。gcc--version3.gcc安装本机ubuntu20.04gcc自带版本为9.4.0安装gcc-7，command：sudoapt-getinstallgcc-7g++-7安装完gcc-7，系统中就存在两个版本的gcc，因此要设置默认的gcc，命令如下：sudoupdate-alternatives--install/usr/bin/gccgcc/u

CMAKE_INSTALL_PREFIX为cmake内置变量，用于指定cmake执行install目标时，安装的路径前缀。使用方法如下：1、在执行cmake时指定cmake-DCMAKE_INSTALL_PREFIX=2、设置CMAKE_INSTALL_PREFIX变量SET(CMAKE_INSTALL_PREFIX)要加在PROJECT()之后。在设置完install的安装目录之后，执行install时可以通过DESTINATION直接指定安装目录之下的目录。栗子：cmake-DCMAKE_INSTALL_PREFIX=/usr/local/..SET(CMAKE_INSTALL_PREFI

一、如何查看CUDA版本？1.1查看runtime版本的CUDA（1）nvcc-V或nvcc--version（2）在CUDA的include文件夹中找到cuda.h文件打开后搜索version。上面这张图的cuda路径是我在安装的时候自定义的，不要完全参考。 （3）查看conda指令安装的CUDA版本用下面的代码去查看CUDA和cudnn版本。importtorchprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version()) 下面是我在虚拟环境1和2上运行的结果，有一个结果cuda

1、前言visualstudio是一个很强大的开发工具，这个工具主要是通过解决方案对我们的源码进行编译等操作。但是我们很多时候拿到的可能并不是一个直接的解决方案，可能是是一个cmake工程，那么这个时候我们就需要通过cmake工程生成解决方案，然后就可以通过visualstudio进行编译和调试了。2、前置条件当前前提是安装了cmake和visualstudio工具，cmake具体的安装步骤可以参考：windows下cmake快速安装教程3、准备源文件和CMakeList.txt如下图所示，将三个文件放在同一个目录cmake_generate_sl下面：每个文件的内容如下：//cmake_ge

JetsonXavierNX默认安装的OpenCV4.5.4(不带cuda)，因项目要求OpenCV使用cuda作加速，因此，须重新编译OpenCV。这里为了方便直接在目标机上面编译，避免复杂的环境及依赖。1.下载OpenCV源代码下载地址：OpenCV·GitHub我这里下载opencv-4.5.4，opencv_contrib-4.5.4，下载后并解压。2.卸载原来的OpenCVsudoapt-getpurgelibopencv*python-opencv查看是否卸载：libs:pkg-configopencv--libsversion:pkg-configopencv--modversi

今天遇到了cmake版本过低不能编译开源代码的问题，以CMake3.24.2为例，记录一下升级cmake版本的步骤：先卸载原来的cmakeapt-getremovecmakecmake-gui安装Wgetsudoapt-getupdatesudoapt-getinstallwgetbuild-essentiallibssl-dev下载并解压cmake源码wgethttps://github.com/Kitware/CMake/releases/download/v3.24.2/cmake-3.24.2.tar.gztar-zxfcmake-3.24.2.tar.gz配置，编译和安装cmakec

文章目录前言相关资源下载OpenCVCUDA下载CUDNN下载编译错误异常前言本文用来记录在linux环境下docker中编译OpenCVwithcuda的过程，同时编译了4.5.4和4.6.0两个版本均可编译通过。本地是linux环境也可参考本文完成编译。系统：debian11CPU：i7内存：16G显卡：NvidiaQuadroM2000相关资源下载OpenCVgithub直接下载连接：OpenCV4.5.4sourcecodeOpenCV4.6.0sourcecode如需下载其他版本可自行通过下述链接下载：githubreleasepageCUDA下载对应CUDA版本最低显卡驱动要求1，

一、前言本文主要介绍JetsonOringNano,JetsonNano,JetsonTX2这三块开发板上OpenCV的卸载安装及编译（支持CUDA模块）；解决了一些出现的问题。二、卸载OpenCV如何查看本机安装的OpenCV是否支持CUDA?如果已安装jtop，可以直接使用jtop查看，命令如下。sudojtop按数字6查看INFO页面（某些开发板是7INFO），可以看到：*OpenCV: 4.1.1 compiledCUDA: NO从官网拉下来的OpenCV（已编译）是不支持CUDA加速的，无法充分利用GPU。如果未安装jtop，可以使用以下命令查看opencv库：pkg-config-

CMake是一个开源的跨平台工具，可以构建、测试和打包软件。它具有如下特性：自动搜索可能需要的程序、库和头文件的能力；独立的构建目录（如build），可以安全清理；支持复杂的自定义命令（下载、生成各种文件）；自定义配置可选组件；从简单的文本文件（CMakeLists.txt）自动生成工作区和项目的能力；在主流平台上自动生成文件依赖项并支持并行构建；几乎支持所有的IDE1.安装CMakesudoaptinstallcmake-y安装完成后用查看版本指令cmake-version检查CMake是否安装成功。出现以上提示代表安装成功。2.第一个CMake例子我们首先新建两个文件，main.cpp和C

1、查看显卡相关信息：nvidia-smi。显卡版本531.18，最大可以安装cuda12.1版本，安装步骤上一篇博客讲解过。2、查看cuda版本：nvcc-V3、查看anaconda是否安装：conda-V4、查询cuda11.6对应的pytorch版本：https://pytorch.org/get-started/previous-versions/显示对应的pytorch1.12.0、1.12.1，接着查询适合的python版本3.7、3.8、3.9、3.105、创建环境，安装pytorch1.12.0、python3.9condacreate-nlearnpython==3.9con