文章唯一地址：https://blog.csdn.net/REAL_liudebai/article/details/119356958
-
问题：
1）Python通过pip或conda安装的OpenCV库仅支持CPU；
2）网上找到的教程基本都是通过VS配置CUDA环境（VS太强大了，但并不想安装）； -
解决办法：
3）可以使用官方预构建源代码配置支持GPU模块的OpenCV；
4）在Win10中配置OpenCV4.5并与Python3.8环境绑定以支持GPU加速，并且不使用Visual Studio。
开始吧！
1. 查看电脑CUDA版本
- 依次打开：控制面板——NVIDIA控制面板——帮助——系统信息——组件(图中红框CUDA后面的一串数字为版本号)。
2. 下载CUDA Toolkit
- 点这里获取电脑CUDA版本对应的Toolkit (点击链接后如图所示)。再点击下图的红框内容下载(注意CUDA版本)，安装时最好不要修改其默认的安装目录。
3. 下载cuDNN
- 点这里获取和CUDA版本对应的cuDNN (点击链接后如图所示)。再点击第一个图的红框内容下载(注意CUDA版本)，然后解压，得到第二幅图所示文件夹。
- 将里面的三个文件夹放入CUDA Toolkit安装目录，默认安装的目录如下：
4. 下载OpenCV源代码
-
在这里下载预构建的源代码，得到：opencv_4_5_0_cuda_11_1_py38.7z压缩文件(下述第三个文件)；
-
第三个文件解压后，得到前两个文件夹；
-
进入第一个install文件夹，依次进入下图路径，然后添加将其到系统环境变量中；
-
进入第二个lib文件夹，依次进入下图路径；
-
复制上面红框中的文件，放入自己的site-packages中，分两种情况：
1）在安装的Python环境中绑定(我的Python安装目录)：
2）在Anaconda虚拟环境中绑定(我的Anaconda虚拟环境)：
5. 测试是否成功
- 在cmd或Powershell输入：
python -c "import cv2; print(f'OpenCV: {cv2.__version__} for python installed and working')"
- 若得到下图所示的输出，就配置成功了：
OpenCV: 4.5.0 for python installed and working
- 这是我自己配置的结果，这样配置的CUDA环境目前可以满足我的应用。
记录一下自己的配置过程，如有错误或改进地方，欢迎指正~
本文结束…