在 cmake 构建后，在 Python 的 site-package 文件夹中找不到 cv2

Question

我正在尝试在 Python 3.9.6 上使用 CUDA 函数构建 opencv
我在没有 Python3_LIBRARY_DEBUG 的情况下设置了与 Python3 相关的路径，并使用 cmake 检查它们是否正确。
opencv 的构建（具有 CUDA 的功能）正常工作。

cmake --build "fullpath to build folder" --target INSTALL --config Release

但是cmake构建后在Python的site-package文件夹中找不到“cv2”文件夹，并且在构建文件夹中找不到“install”文件夹（在cmake上的“构建二进制文件的位置”设置）

【更新】cmake设置

PYTHON3_EXECUTABLE C:/Users/user/AppData/Local/Programs/Python/Python39/python.exe
PYTHON3_INCLUDE_DIR C:/Users/user/AppData/Local/Programs/Python/Python39/include
PYTHON3_LIBRARY C:/Users/user/AppData/Local/Programs/Python/Python39/libs/python39.lib
PYTHON3_NUMPY_INCLUDE_DIRS C:/Users/user/AppData/Local/Programs/Python/Python39/lib/site-packages/numpy/core/include
PYTHON3_PACKAGES_PATH C:/Users/user/AppData/Local/Programs/Python/Python39/Lib/site-packages
CMAKE_PREFIX_INSTALL C:/Users/user/Desktop/build_4.5.0-2/install

【更新】cmake构建后构建文件夹

├3rdparty/
├apps/
├bin/
├CmakeFiles/
├configured/
├data/
├doc/
├downloads/
├include/
├lib/
├modules/
├opencv2/
├python_loader/
├testdata/
├test-reports/
├tmp/
├win-install/

・操作系统：Windows 10 Pro for Workstation
・Python：3.9.6
・Cmake(GUI)：3.20.5，生成器：Visual Studio 16 2019
・opencv：4.5.3，opencv_contrib：4.5.3

Answer 1

第 0 步：先决条件

• 下载并安装 CUDA 和 cuDNN。
• 下载并安装 CmakeGUI。
• 下载并安装 Visual Studio 社区版。 使用 Desktop Development for C++ 选项安装。
• 下载 OpenCV 源代码。
• 下载 OpenCV 贡献。确保版本与 OpenCV。
• 解压 OpenCV 和 OpenCV contrib zip 文件。
• 创建一个名为 build 的空文件夹。

第 1 步：使用 CMake GUI 构建 OpenCV

• 打开 CMake GUI 并浏览 OpenCV 源文件夹。
• 浏览 wGo 以构建文件夹并使用 Visual Studio 打开 OpenCV.sln 文件的 make 文件夹。 e 在上面创建。
• 单击配置并选择 X64 平台并单击完成。
• 新选项将在 CMake 中以红色显示。勾选这些复选框 那里：WITH_CUDA、OPENCV_DNN_CUDA、ENABLE_FAST_MATH
• 在同一窗口中，转到 OPENCV_EXTRA_MODULES_PATH 并浏览 OpenCV contrib 目录并指向 modules 子文件夹。
• 再次点击配置。您将看到红色的新选项。打钩 CUDA_FAST_MATH 复选框。从 CUDA_ARCH_BIN 属性中，删除任何 您的 nVidia GPU 型号不支持的计算架构。 您可以找到适合您的兼容计算架构的列表 GPU 型号。
• 点击配置，然后点击生成。

第 2 步：使用 Visual Studio 制作 OpenCV

• 转到 build 文件夹并使用 Visual Studio 打开 OpenCV.sln 文件。
• 打开后，从顶部将 Debug 更改为 Release。
• 在右侧面板上，展开 Cmake Targets。
• 右键单击 ALL_BUILD 并单击构建。
• 完成后，右键单击安装并单击构建。

验证 GPU 计算加速

这是一个小代码，它在 CPU 上使用 NumPy 和在 GPU 上使用 OpenCV 执行简单的矩阵乘法。

import numpy as np
import cv2 as cv

npTmp = np.random.random((1024, 1024)).astype(np.float32)

npMat1 = np.stack([npTmp,npTmp],axis=2)
npMat2 = npMat1

cuMat1 = cv.cuda_GpuMat()
cuMat2 = cv.cuda_GpuMat()
cuMat1.upload(npMat1)
cuMat2.upload(npMat2)

print(%timeit cv.cuda.gemm(cuMat1, cuMat2,1,None,0,None,1))
print(%timeit cv.gemm(npMat1,npMat2,1,None,0,None,1))