代码后续分享，opencv+cuda编译分享
1、C++版本的OpenCV 5.x编译生成opencv-python==5.x(GPU版本)接口并进行调用
2、【强力推荐】基于Nvidia-Docker-Linux(Ubuntu18.04)平台：新版OpenCV5.x(C++)联合CUDA11.1(GPU)完美配置视觉算法开发环境
3、AI模型C++部署:【配置OpenCV4++环境】与【三种在 C++ 中部署 TensorFlow 模型的方式】【准备阶段】
运行的版本为：
5.0.0-pre <class 'cv2.cuda.GpuMat'>
调用cuda的其中一个方式：
import cv2
import numpy as np
import time
print(cv2.__version__,cv2.cuda_GpuMat)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
除此以外，C++的调用方式上一篇文章代码里已经体现了，详细介绍后续的文章会陆续更新，欢迎关注本博客。
测试成功：
将图像尺寸调小，速度还会提升：
