Skip to content

Latest commit

 

History

History
118 lines (79 loc) · 4.67 KB

windows_vs2019_build.md

File metadata and controls

118 lines (79 loc) · 4.67 KB

Visual Studio 2019 Community CMake 编译指南

Windows 平台下，我们使用Visual Studio 2019 Community 进行了测试。微软从Visual Studio 2017开始即支持直接管理CMake跨平台编译项目，但是直到2019才提供了稳定和完全的支持，所以如果你想使用CMake管理项目编译构建，我们推荐你使用Visual Studio 2019环境下构建。

前置条件

  • Visual Studio 2019
  • CUDA 9.0 / CUDA 10.0，cudnn 7+ （仅在使用GPU版本的预测库时需要）
  • CMake 3.0+

请确保系统已经安装好上述基本软件，我们使用的是VS2019的社区版。

下面所有示例以工作目录为 D:\projects演示。

Step1: 下载代码

下载源代码

git clone https://github.com/PaddlePaddle/PaddleDetection.git

说明：其中C++预测代码在PaddleDetection/deploy/cpp 目录，该目录不依赖任何PaddleDetection下其他目录。

Step2: 下载PaddlePaddle C++ 预测库 fluid_inference

PaddlePaddle C++ 预测库针对不同的CPU和CUDA版本提供了不同的预编译版本，请根据实际情况下载: C++预测库下载列表

解压后D:\projects\fluid_inference目录包含内容为：

fluid_inference
├── paddle # paddle核心库和头文件
|
├── third_party # 第三方依赖库和头文件
|
└── version.txt # 版本和编译信息

Step3: 安装配置OpenCV

  1. 在OpenCV官网下载适用于Windows平台的3.4.6版本， 下载地址
  2. 运行下载的可执行文件，将OpenCV解压至指定目录，如D:\projects\opencv
  3. 配置环境变量，如下流程所示
    • 我的电脑->属性->高级系统设置->环境变量
    • 在系统变量中找到Path（如没有，自行创建），并双击编辑
    • 新建，将opencv路径填入并保存，如D:\projects\opencv\build\x64\vc14\bin

Step4: 使用Visual Studio 2019直接编译CMake

  1. 打开Visual Studio 2019 Community，点击继续但无需代码 step2
  2. 点击： 文件->打开->CMake step2.1

选择项目代码所在路径，并打开CMakeList.txt：

step2.2

  1. 点击：项目->cpp_inference_demo的CMake设置

step3

  1. 点击浏览，分别设置编译选项指定CUDA、OpenCV、Paddle预测库的路径

三个编译参数的含义说明如下（带*表示仅在使用GPU版本预测库时指定, 其中CUDA库版本尽量对齐，使用9.0、10.0版本，不使用9.2、10.1等版本CUDA库）：

参数名 含义
*CUDA_LIB CUDA的库路径
CUDNN_LIB CUDNN的库路径
OPENCV_DIR OpenCV的安装路径，
PADDLE_DIR Paddle预测库的路径

注意： 1. 使用CPU版预测库，请把WITH_GPU的勾去掉 2. 如果使用的是openblas版本，请把WITH_MKL勾去掉 step4

设置完成后, 点击上图中保存并生成CMake缓存以加载变量。

  1. 点击生成->全部生成

step6

Step5: 预测及可视化

上述Visual Studio 2019编译产出的可执行文件在out\build\x64-Release目录下，打开cmd，并切换到该目录：

cd D:\projects\PaddleDetection\deploy\cpp\out\build\x64-Release

可执行文件main即为样例的预测程序，其主要的命令行参数如下：

参数 说明
model_dir 导出的预测模型所在路径
image_path 要预测的图片文件路径
video_path 要预测的视频文件路径
use_gpu 是否使用 GPU 预测, 支持值为0或1(默认值为0)

注意：如果同时设置了video_path和image_path，程序仅预测video_path。

样例一：

#不使用`GPU`测试图片 `D:\\images\\test.jpeg`  
.\main --model_dir=D:\\models\\yolov3_darknet --image_path=D:\\images\\test.jpeg

图片文件可视化预测结果会保存在当前目录下output.jpeg文件中。

样例二:

#使用`GPU`测试视频 `D:\\videos\\test.avi`  
.\main --model_dir=D:\\models\\yolov3_darknet --video_path=D:\\videos\\test.jpeg --use_gpu=1

视频文件可视化预测结果会保存在当前目录下output.avi文件中。