Windows10下编译带CUDA的OpenCV4.4运行dnn.forward报错无CUDA支持如何解决

OpenCV DNN模块CUDA支持报错解决方案 #

前提说明 #

你的MX130显卡CUDA算力确实为6.1，已配置对应CMake参数仍报错可按以下步骤逐一排查解决：

• 确认编译时与运行时CUDA版本完全一致
  编译OpenCV使用的CUDA版本、系统环境变量中默认的CUDA版本、Python环境调用的CUDA依赖版本必须完全匹配，不可出现编译用CUDA10.2、运行时系统默认CUDA为11.x的情况。
  检查方式：打开cmd执行nvcc -V，确认输出的版本号与编译时选择的CUDA版本完全匹配。如果是多版本CUDA共存，将编译所用CUDA版本的路径在系统PATH环境变量中移至最顶部，重启电脑生效。
• 重新核对CMake编译配置
  删除之前的编译缓存，重新配置CMake时确认以下参数全部正确设置：
  • 勾选WITH_CUDA
  • 勾选WITH_CUDNN（DNN模块CUDA加速必须开启）
  • 勾选OPENCV_DNN_CUDA（该参数未开启的话，其他CUDA功能正常也会导致DNN模块无法调用CUDA）
  • CUDA_ARCH_BIN仅填写6.1，无需添加其他不相关算力值避免编译出错
  • CUDA_ARCH_PTX填写6.1，保证同算力设备的兼容支持
• 确认Python调用的是你编译的带CUDA支持的OpenCV版本
  执行以下代码确认路径：

  import cv2
  print(cv2.__file__)
  

  如果输出路径为pip安装的opencv-python相关路径，而非你自行编译的安装路径，执行命令卸载所有pip安装的OpenCV包：
  pip uninstall opencv-python opencv-contrib-python opencv-python-headless -y
  之后将你编译生成的cv2.pyd文件复制到Python对应环境的site-packages目录下即可。
• 检查显卡驱动与显存占用
  升级NVIDIA显卡驱动到最新正式版，MX130旧版本驱动可能存在CUDA适配问题；执行nvidia-smi查看显存占用，关闭占用显存的不必要程序后再运行代码，避免显存不足导致CUDA后端初始化失败。

所有配置确认无误后重新完整编译一次OpenCV，编译全程不要中断，确认所有CUDA相关模块编译无报错即可解决该问题。

内容的提问来源于stack exchange，提问作者Kamruzzaman Tauhid