v8編譯cmake

1. 【入坑指南】| OpenCV4.8 + CUDA + 擴展模塊支持編譯

OpenCV4.8 + CUDA + 擴展模塊支持編譯的入坑指南如下：

1. 確保軟體版本滿足要求：

   • 使用CMake3.13或更高版本。
   • 使用VS2017專業版或以上版本。
   • 顯卡建議使用3050ti，CUDA版本建議使用CUDA11.3。

2. 解壓源碼包：

   • 將OpenCV4.8源碼包解壓至D盤，路徑為D:opencv4.8.0。
   • 將OpenCV擴展模塊源碼包解壓至D盤，路徑為D:opencv_contrib4.8.0。

3. 啟動CMake進行配置：

   • 打開CMake，設置源碼目錄為D:opencv4.8.0，構建目錄為自定義的目錄。
   • 點擊【Finish】完成配置。
   • 選擇【Generate】，生成項目文件。

4. 設置擴展模塊路徑並配置CUDA選項：

   • 在CMake界面中，設置OPENCV_EXTRA_MODULES_PATH為D:opencv_contrib4.8.0moles。
   • 搜索CUDA關鍵字，並勾選與CUDA相關的選項，如WITH_CUDA、WITH_CUDNN等。
   • 再次點擊【Configure】，生成配置文件。

5. 生成並編譯項目：

   • 打開生成的OpenCV.sln文件。
   • 切換到Release模式。
   • 選擇【生成】>【生成解決方案】，開始編譯。預計編譯時間較長，請耐心等待。

6. 編譯技巧與注意事項：

   • 在編譯過程中，注意避免下載第三方文件。如有需要，可手動將文件放置到source/.cache文件夾內的相應位置。
   • 無需編譯xFeature2D、FaceModel、Test等模塊，以避免不必要的依賴下載。

7. 驗證CUDA加速效果：

   • 編譯完成後，可運行人臉檢測案例和YOLOv8姿態評估模型等，以驗證CUDA加速效果。
   • 使用相應的代碼啟用GPU推理執行。

通過上述步驟，你可以成功編譯OpenCV4.8並支持CUDA加速以及擴展模塊。這將顯著提升圖像處理程序的性能。如需更多CUDA函數使用知識，可參考相關書籍或在線資源。

2. Linux 如何運行benchmark循環跑

Linux 如何運行benchmark循環跑如下
benchmark中包含了跑benchmark的源碼benchncnn.cpp，感興趣的可以先看一下裡面的內容。在Linux的文件根目錄下，新建一個build文件夾並進入，當然也可以不叫build，隨便你自己起。mkdir build && cd build進入之後就可以進行編譯了，編譯之後在build文件夾下會生成一個叫benchmark的文件夾，之後的工作會在這里進行。編譯用的是cmake，這里如果有問題的話可以注意一下cmake的版本，我用的版本是3.12.3。具體命令如下:cmake .
make -j8這里cmake編譯實際上是要根據上一層文件夾的CMakeLists.txt的文本來的，這里的..其實就是表示的上一層文件夾。 Make -j後面的數字是開幾個核，根據自己電腦的實際情況來。執行完成之後就可以看到build里有了benchmark的文件夾。
入這個文件夾，可以看到一個benchncnn的可執行文件已經編譯好了，運行這個可執行文件就可以測試模型的速度。但是這個可執行文件默認的是找到當前文件夾下的param格式的文件。
所有自帶的模型文件都在ncnn根目錄下的benchmark的文件夾中，把裡面所有的param文件都拷貝到現在的benchmark文件夾，然後執行如下命令./benchncnn 4 2 0 -1
第一個數字表示測試次數，第二個表示開的線程數（這一點ncnn做的不錯），最後一個數字-1表示只測cpu。NCNN交叉編譯到rk3288(armv7架構)和rk3399(armv8架構）的方法。