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-
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
先说下我的电脑环境：win103060titorch10python3.8cuda11.3RuntimeError:CUDAoutofmemory.Triedtoallocate128.00MiB(GPU0;23.70GiBtotalcapacity;7.44GiBalreadyallocated;87.88MiBfree;7.71GiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation.SeedocumentationforMem
根据显卡型号、cuda版本确定英伟达驱动版本能够支持某一型号的GPU的英伟达驱动是一定的，我们想使用的tensorflow版本也是已知的，该tensorflow版本依赖的cuda版本也是一定的。所以根据显卡型号和cuda版本可以确定显卡驱动。参考链接：https://www.jianshu.com/p/7f6ae178121chttps://blog.csdn.net/weixin_42545878/article/details/94735192英伟达驱动、cuda、cudnn之间版本的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-releas
下载CUDA11.8下载CUDA11.8选择对应的系统架构OS版本逐步执行上图命令编辑环境变量文件sudogedit~/.bashrc配置环境变量exportPATH=/usr/local/cuda-11.8/bin:$PATHexportLD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH重启重启重启重要的事情说三边查看版本nvcc-V结果安装cudnn下载cudnn找到适合你的cudnnhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse7415-10安装cudn
1.CUDA流一个CUDA流指的是由主机发出的在一个设备中执行的CUDA操作序列。除主机端发出的流之外，还有设备端发出的流，但本文不考虑后者。一个CUDA流中的各个操作按照主机发布的次序执行；但来自两个不同CUDA流的操作不一定按照某个次序执行，有可能是并发或者交错地执行。任何CUDA操作都存在于某个CUDA流中，如果没有明确指定CUDA流，那么所有CUDA操作都是在默认流中执行的。非默认CUDA流由cudaStream_t类型的变量表示，它由如下CUDA运行时API产生与销毁：cudaError_tcudaStreamCreate(cudaStream_t*pStream);cudaErro
文章目录1.前置知识2.查看显卡驱动版本号3.查看显卡驱动版本号和CUDA版本对应关系4.查看经典的CUDA版本号5.安装CUDA5.1.下载CUDA安装包5.2.执行CUDA安装5.3.配置环境变量5.4.CUDA多版本管理1.前置知识如果Ubuntu系统还没有安装显卡驱动，参考这篇文章：Ubuntu20.04LTS安装RTX-3060显卡驱动2.查看显卡驱动版本号当显卡驱动安装完成后，需要使用nvidia-smi命令查看英伟达显卡驱动版本。nvidia-smi如上图所示，英伟达驱动版本为520.61.05，CUDA最高支持的版本为11.8。3.查看显卡驱动版本号和CUDA版本对应关系点击该
目录*序言00|系统信息01|下载安装Jtop02|卸载自带的opencv2.1为什么要卸载自带的opencv2.2卸载默认的方法2.3安装依赖库03|Nvidia预构建opencv-cuda4.5参考资料*序言大部分人在解决问题的时候，百度输入的关键词不够准确，展示出来的页面多数是跟自己用的系统版本不一致，导致安装失败。这点对于新手来说特别要注意，正如，你刚好看到我的文章，我希望你能在搜索时用硬件+系统+要解决的问题格式，说不定能提高你的检索效率。另外说一句，在2023年，有一款工具ChatGPT也是根据你提的问题回答。00|系统信息cat/etc/lsb-release结果：ISTRIB_
Ubuntu20.04LTS系统安装CUDA11.8、cuDNN，可进行CUDA版本切换1.更改为清华源并更新软件列表和依赖项2.安装CUDA3.安装cuDNN4.CUDA版本切换1.更改为清华源并更新软件列表和依赖项https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/#默认注释了源码镜像以提高aptupdate速度，如有需要可自行取消注释debhttps://mirrors.tuna.tsinghua.edu.cn/ubuntu/focalmainrestricteduniversemultiverse#deb-srchttps://mirror
OpenCVOpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。opencv官网github源码OpenGLOpenGL（英语：OpenGraphicsLibrary，译名：开放图形库或者“开放式图形库”）是用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口（API）。这个接口由近350个不同的函数调用组成，用来从简单的图形
