这里的OpenCV其实包含了两种语言：C++和Python，因为这是两个最流行并且高效的语言。

平台的是Windows，虽然我这里是11.

OpenCV版本0.4.7

CUDA版本11.8

cuDNN版本8.7.0

其实现在（2023年2月）最新的CUDA是12，但是cuDNN最高只能支持到11.x。又不想浪费时间做各种无畏的尝试，装了12拆掉了，换11.8吧。

opencv源代码很容易下载，contrib的附加模块源代码也很容易下载。

CUDA很好下载，cuDNN需要注册开发会员，填一些问卷，也很方便。但其实cuDNN的文件整个目录可以直接http访问也没有加密所以。。。挺傻的。

需要python3，研究下来直接装了anaconda，比较方便。虽然虚拟环境也没啥用。

还要Cmake来生成编译文件，也可以用来编译，但是搬出Visual Studio 17 2022，用cmake生成的sln项目文件进去直接编译，多开心。

前提是cmake的配置都要没问题。于是坑就来了。

最大的坑一如既往：线路/网络问题。在cmake配置的时候，居然也会在后台下载一些东西，并且很多都是默认下不来的。只能硬着头皮，看着出错信息，自己另外下载下来，然后放到目标目录或者缓存目录。很傻的办法，但是可以。

其实Opencv的源代码最正宗的方式是用git，但是这个速度实在感人，直接GH打包要快太多。

还有的大坑，就是CUDA和cuDNN版本更新后的一些行为的改变。cuDNN要用到zlib，但这个操作起来不难，而且也只是在最后运行程序的时候才会提醒你，所以不展开。

比较坑爹的是cmake配置的时候，各个问题解决了，CUDA从了，唯独cuDNN不干，说

Nvidia官方说明上，其实是说在VS的sln文件中进行设置，但实际情况cmake这一关根本过不了。最后解决办法是自己琢磨出来的：gui的cmake配置中，打开高级选项，会发现CUDNN_LIBRARY和CUDNN_INCLUDE_DIR就在向你召唤：直接说没找到，只要把路径填写进去就好了（系统PATH填写了，重启了，还是不认的）。这样就好了。

所以用GUI有点指导意义，高手全背出来的话可以自己打命令行。

一旦config完成，generate之后久舒舒服服地看到sln文件出现了。这个时候你又可以选择：VS打开编译，还是打一串命令进行编译。

我的5900X编译了28分钟，还可以。安装一下8秒钟。

===

最后打开python，import cv2，from cv2 import cuda以后运行cuda.printCudaDeviceInfo(0)方法，就可以看到显卡信息，就表示成功了。

测试有点意思。静态图片使用GPU居然比CPU还慢，但是如果是视频处理，可以明显看到GPU要快太多。

接下来的新世界，就在你的手里了。