opencv gpu (1)

net = cv2.dnn.readNet(path+"model/atron_yolov3_210127.weights", path+"custom/atron_yolov3_all.cfg", )

net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)

 

그 다음으로 cv2.dnn.readnet() 등과 같이 딥러닝 모델을 적용할 때 cuda 가속을 지원하게 하려면 위의 코드와 같이 net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA), 그리고 net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA) 두 줄을 추가하면 cuda 가속 전 보다 훨씬 빠르게 모델이 적용되는 것을 확인할 수 있습니다.

출처: https://ellun.tistory.com/333 [Ellun's Library]

이걸 하기 위해 opencv gpu를 사용하기로함

 

1. 가상환경만들기

https://velog.io/@thk-lightman/Anaconda-%EA%B0%80%EC%83%81%ED%99%98%EA%B2%BD-%EC%84%A4%EC%A0%95%EA%B3%BC-%EB%AC%B8%EC%A0%9C-%ED%95%B4%EA%B2%B0

[Anaconda] 가상환경 설정과 문제 해결

anaconda에서 가상환경 만들 시 참고사항

pip가 안먹어서 conda install numpy로 설치 (pip.py파일이 없어서 그런 거 같은데 numpy를 설치할 때 pip가 깔리는 듯?

그러면 이와 같이 셋팅됨

2. opencv & opencv_contrib 다운로드

https://github.com/opencv/opencv/releases/tag/4.5.1

Release OpenCV 4.5.1 · opencv/opencv

 

 

source code를 다운로드 (opencv)

 

https://github.com/opencv/opencv_contrib/releases/tag/4.5.1

Release 4.5.1 · opencv/opencv_contrib

source code를 다운로드 (opencv-contrib)

새로운 폴더를 만들어 다운 받은 두 개의 압축 파일을 해제하고 새로운 빈 폴더인 build를 생성합니다.

 

3. visual studio 2017 community

이미 설치가 되어 있었기 때문에 visual studo installer를 열어 위의 체크사항 3가지를 체크후 수정합니다. 처음 이신 분들은 install이 되어 있습니다.

4. CMake 설치
Opencv의 빌드 파일을 생성하기 위한 툴입니다.

https://cmake.org/download/

Download | CMake

windows x64 installer의 옆에 .msi 파일을 다운로드합니다.

옵션은 맨 위에 것이 디폴트값인데 맨 아래를 클릭해서 path를 추가하도록 합니다. 나머지 단계는 계속 next를 클릭합니다.