Linux上將 openCV C 程式改成cuda程式

影片除了片頭、片尾，大部分都是在ubuntu用 obs-studio 錄的。Linux上將 openCV CPP程式改成cuda GPU程式 。前提是cuda, cudnn, openCV都裝好了，不像在Jetson Nano上，Nvidia把裝cuda, cudnn的事都搞定，這很折騰人的




老師在雙系統筆電ubuntu 18那邊裝好的opencv-cuda能跑C++, python2，然而python3就不行了。(所謂的雙系統，不是虛擬機或是windows的子系統，而是真正的實體機器裝雙系統，不然怎麼玩高效能的cuda？)

[cmake-gui用法跟在win10幾乎是一樣的，Linux上用好後，還是得make -j8 && sudo make install 。哪天看到make -j16就是電腦大升級了] 

裝 python3版的，居然比C++版難搞。windows版更不行，不同於Linux環境，windows上幾乎只要同時用到數個第三方擴充，又有cuda, cudnn，又有opencv，每個套件個別裝都沒有問題，像是純openCV無cuda, cudnn支援的安裝簡易，cuda, cudnn個別裝也不是難事。但合在一起，雖有vcpkg，版次相依問題難解，還是搞不定。

一切就緒後，還有坑，這坑還是特別留給cmake的愛用者，照老師的習慣用法，根本沒事，本來不想理它。系統可能抓到沒刪乾淨的舊版cuda，像是找不到的設定檔什麼的，如果要玩多版cuda ，怎解？CMakeLists.txt要設但剛好夠用就好，個人傾向下指令或簡易MakeFile就好；要這樣用，裝openCV要編pkg-config。

[CMakeLists.txt就這樣設就好了，夠用就好，Release版還不夠？沒精神搞成大堆頭的，還要測各種OS? Compiler?]

畢竟是學科學的，老師不喜歡把太多精神花在系統設定或是ui版面上。要用ui不醜堪用就好，要調設定，就把效能提高為要。不重視效能，何必用GPU, cuda? 開發可用vi（opencv-cuda新版指令改很大又不熟）這次用IDE visual studio code（visual studio code的Telemetry功能可以選擇關與不關，這可不能怪微軟沒說，老師這裡又幫腔一次），加上幾個擴充，就非常好用（其實有一招，一樣可以讓opencv-cuda有intelliSense功能，影片中沒說，留了一手，眼尖的人還是會察覺的）。開發環境有了，coding+演算法就能施展了。一般的 ubuntu 18電腦可以跑，裝有opencv-cuda的Nvidia Jetson Nano當然是更沒問題。事實上老師也是先玩Jetson Nano上的opencv-cuda才起心動念要重整那部雙系統筆電。有影片有真相。



會用Nvidia Jetson Nano，不在於他的 CPU而是GPU 。8G Ram的Raspberry Pi 4B，CPU也沒比較差！OS也更輕量化，記憶體還x2，Jetson Nano怎麼比？Jetson Nano的OS當然要調，桌面環境改成xfce4用xrdp連開Full HD 1920x1080畫質（老師錄Jetson Nano的，除了用ssh遠端之外，都是這種標準設定，老師教Linux也是用此法遠端），要比local端用預設桌面800x600，省用大量記憶體跟CPU。


說了半天，程式碼擷圖在此。IntelliSense的功能全開。