文章目录
- 前言
- 准备
- --> 全过程会很久，做好心理准备
- --> Tools：
- 环境配置
- 1. Anaconda3
- 2. Visual Studio 2019
- 3. CUDA10.1
- ----> 安装：
- ---> 测试
- 4. tensorflow2.0
- 5. tbb (Threading Building Blocks)
- 6. cmake16
- 7. opencv4.2.0（with_cuda）
- --> 第一次configure
- --> 第二次configure
- --> 第三次configure
- --> generate
- --> VS2019——build&install
- --> 完成
————————————————————————————————————
前言
这篇文章将会演示windows下详细的用VS2019+CUDA10.1+tensorflow2.0+tbb+opencv4.2.0(gpu——with_cuda)环境的配置全过程。如果按本文讲到的避坑方式做的话，应该是可以成功配置的，本文的配置顺序也是个人踩坑多年觉得最合适的路线，所以话不多说，直接开始。
准备
–> 全过程会很久，做好心理准备
注意：在全部配置过程之前，一定要确保环境是干净的（即下面要用到的工具没安装过，如果有一定要卸载干净，包括环境变量、注册表等）。
–> Tools：
- Anaconda3（python3.7）：下载地址
- Visual Studio 2019：下载地址
- CUDA10.1：下载地址
- tensorflow2.0：下载链接
- tbb：下载地址
- cmake16：下载地址
- opencv-4.2.0 + opencv-conrtib-4.2.0：opencv下载地址 opencv-contrib下载地址
环境配置
1. Anaconda3
这个的安装过程就不详细讲了，因为没有太重要的点。下载好64位的exe文件后，双击打开按提示安装就好了，很简单。
ps：最后有一步有两个选项的（已安装好没截图了），第一个选项是是否添加环境变量，选上可以不用手动添加环境变量，第二个选项是python是否会被其他用到python的软件检测到，如果安装anaconda之前已经安装过python，可以不点，不然就要选上。
环境变量：
2. Visual Studio 2019
这个的安装依旧不讲解，官网下载就好了，但是这里要求版本要 2019.3 以上，因为是要和后面的tensorflow.whl文件匹配下。
注意：如果没有 Microsoft Visual C++ Redistributable for Visual Studio 2019 的话 也要下载安装（exe文件，双击安装就行）， 否则会出现下面的错误，安装好后就不会有这样的错误了，当然也有可能是cuda版本不对（这里应该是10.1）或cuda没安装的原因.
ImportError: DLL load failed: 找不到指定的模块。
Failed to load the native TensorFlow runtime.下面是环境变量的添加（3个），可能不需要，但添加上应该没什么坏处吧：
3. CUDA10.1
这里稍微讲下cuda：
① VS2019支持cuda10.1/cuda10.2，但是VS2017支持的最高版本为cuda10.0。
② TensorFlow2.0官方是只支持CUDA10.0(直接pip install tensorflow安装的话就要注意选用CUDA10.0版本了)的，但是这里选的CUDA10.1是因为下面安装的tf是大神从源码编译的，是只支持CUDA10.1（我安装的时候还不支持10.2）的，如果是安装其他的tf版本，也可以看看大神的github里的说明再选配置。
----> 安装：
（1）同意协议，选自定义安装
如果已经有比cuda10.1更新的显卡driver驱动，就把下面三个选项去掉，只选第一个就行。
安装路径，可以默认C盘，也可以自定义，然后下一步就开始安装了
后面就下一步或关闭就可以完成安装了。
注意：安装完之后，可以添加cudnn库，下载对应版本，解压，然后把里面的文件复制到CUDA的安装目录下就可以了。
下面是环境变量的设置：
① 如下图，绿色框框中的是安装完之后默认就添加的，红色框里的自己添加到系统变量中设置为变量， 注意下面的CUDA_SDK其实就是NVCUDASAMPLES_ROOT，一样的，自己仔细看看，最好不要直接复制。
② 在 系统变量-path 中添加如下内容：
—> 测试
打开samples目录，如 F:\NVIDIA GPU Computing Toolkit\CUDA Samples\v10.1， 双击打开Samples_vs2019.sln，第一次打开导入项目会比较久， 耐心等待一下，打开之后右键 1_Utilities 生成/重新生成。
成功生成后是下面这样的，这里也可能会报错：如果是 could not set up environment for …(balabalabala什么的)，那就是环境问题，仔细查看自己的cuda环境变量是否正确，再次强调环境真的很重要。
然后终端/shell进入这个目录中的bin文件夹，里面有个debug和release，生成时选的是哪个，就进入哪个目录，然后执行deviceQuery.exe和bandwidthTest.exe，看图操作，出现图中的结果就说明安装成功了， samples里面还有其他的例子，同理生成可测试。
4. tensorflow2.0
在安装tensorflow之前先检查下下面这些是否已经具备：
-> Visual Studio 2019.3或以上
-> Microsoft Visual C++ Redistributable for Visual Studio 2019
-> CUDA 10.1
-> 对应CUDA版本的cudnn
-> python3.7
前面的都弄好了之后就很简单了，在shell里cd进入下载好的whl文件目录，pip install <filename.whl>就好了，如下面演示：
# 进入whl文件下载的目录
cd F:\SetupFiles\tensorflow 2.0
# pip 安装cpu版的或者gpu版的
# pip install tensorflow-2.0.0-cp37-cp37m-win_amd64.whl
pip install tensorflow_gpu-2.0.0-cp37-cp37m-win_amd64.whl注意：第一次执行tensorflow时，需要等待一段时间用于编译初始化
测试是否安装成功：
# 这里在shell中进入ipython测试
import tensorflow as tf
tf.test.is_built_with_cuda()
tf.test.is_gpu_available()5. tbb (Threading Building Blocks)
一个用于并行进程的C++库，官方介绍：
Intel® Threading Building Blocks (Intel® TBB) is a widely used C++ library for shared memory parallel programming and heterogeneous computing (intra-node distributed memory programming). The library provides a wide range of features for parallel programming that include:
· Generic parallel algorithms
· Concurrent containers
· A scalable memory allocator
· Work-stealing task scheduler
· Low-level synchronization primitives
Use this library-only solution for task-based parallelism. It does not require any special compiler support and has ports to multiple architectures that include Intel® architectures and Arm*.
安装文件是个压缩文件，解压后设置一下环境变量就可以了：
6. cmake16
进入下载地址，下载64位的msi文件，双击安装即可，自动添加环境变量。
7. opencv4.2.0（with_cuda）
注意：如果不需要支持cuda的opencv(一般是没有gpu的情况下)，在cmake中(下面操作对应部分)取消勾选with_cuda即可。
下面进入需要编译三四个小时的gpu加速的opencv配置过程。。。。。。
（Linux其实是同样的编译过程的，如果没有install cmake-gui，那就用命令参数的方式选择，如果有GUI就同下）
–> 第一次configure
首先，打开cmake，添加源码目录，和需要存放build生成的文件的目录。
点击configure后需要选择编译器，也就是VS2019 x64了，点finish之后就开始第一次configure了。
第一次configure done之后，是一片红的，然后勾选下表中的的选项，勾选完之后点击configure。
（注意：如果configure的时间很长，且有红色信息输出，多半是ippicv、ffmpeg等文件下载不成功，解决办法请参考：传送门）
必选项 | value |
WITH_CUDA | True |
WITH_TBB | True |
OPENCV_EXTRA_MODULES_PATH | F:/opencv_4.2.0/opencv_contrib-master/modules |
OPENCV_ENABLE_NONFREE | True |
可选项 | value |
BUILD_DOCS | True |
BUILD_EXAMPLES | True |
INSTALL_C_EXAMPLES | True |
INSTALL_PYTHON_EXAMPLES | True |
BUILD_opencv_world | True |
（BUILD_opencv_world选项的作用是将所有lib文件融合为一个world.lib文件，我没选，个人觉得不同的模块都有对应名字的lib，这样比较好管理，出错也好排查）
–> 第二次configure
configure done之后，手动填入tbb的路径，如下。
然后选一下cuda的computing capacity（好像这么叫的）， 如下，例如我这里 RTX2080对应的就是7.5，设置完之后再次点击configure。
无需设置上面这个computing capacity，直接检查其他无误之后点击configure就可以了。
–> 第三次configure
这次就只有一个红色选项了，就是 TBB_VER_FILE，value是文件路径，一般自动填入的，检查一下有没有错误，没有就再次点击configure。
–> generate
configure done之后，可以往上翻一翻，看看configure的信息是否正确，如果没有问题就点击左下方的第二个选项 Generate，生成之后输出 Generating done，到这里就完成了cmake的使命了，点击 Open Project 选项直接打开 OpenCV.sln项目了（如果没有点这个选项关闭了cmake，也可以在build目录下找到这个文件打开）。
–> VS2019——build&install
打开 OpenCV.sln 之后，先找到 解决方案资源管理器-modules-opencv_core/opencv_cudacodec，先分别右键点击这两项生成，看看有没有什么错误，如果这两个可以生成，并不报错，那就是基本成功的了。
基本上是最后一步了：点击菜单栏 生成-批生成， 选中All_BUILD跟INSTALL，点击重新生成，就是漫长的等待编译完成的娱乐时间了。
–> 完成
出现下面这图时，说明编译已经成功完成了。整个编译过程有很多很多的警告（C4819），是因为编译 ANSI 源文件上使用不能表示文件中的所有字符的代码页的系统时，所以出现 C4819。不用理会，不影响结果，只有没有error就没问题。
ps：编译过程中也有可能错误: 无法打开 python37_d.lib， 需要简单修改一下pyconfig.h文件，具体操作：解决办法。
