1.工具

VS2019

opencv4.7.0

opencv_contrib4.7.0

Cmake3.27.0

cudnn-windows-x86_64-8.5.0.96_cuda11-archive

2.具體流程

1.配置路徑和編譯器后點擊configure

2.提前下載相關的包，如下圖所示

3.第一次configure完成后，需要再配置編譯選項

在編譯選項中進行勾選：BUILD_CUDA_STUBS、OPENCV_DNN_CUDA、WITH_CUDA、OPENCV_ENABLE_NONFREE、build_opencv_world打勾；

BUILD_DOCS、BUILD_EXAMPLES、BUILD_PACKAGE、BUILD_TESTS、BUILD_PERF_TESTS、BUILD_opencv_python不打勾（可以不要這部分）；

配置 OPENCV_EXTRA_MODULES_PATH，如下圖：

取消python接口的編譯，后面install的話python的安裝可能會有問題

4.再次configure，沒有問題后勾選CUDA_FAST_MATH和ENABLE_FAST_MATH,就可以Generating了。

5.Generating完成后，準備工作就已經完成，接下來就是用vs2019進行編譯。

打開VS2019，選擇Release模式，右鍵選擇CMakeTargets中的ALL_BUILD,右鍵生成就可以等待了。

6.編譯成功后點擊INSTALL生成

在install路徑下就可以找到編譯好的庫和頭文件了

3.yolov8推理?

參考：

https://github.com/ultralytics/ultralytics/issues/19220

yolov8n.onnx導出需要設置opset=12，用11會報錯shape不對的錯誤。

model.export(format="onnx", imgsz=640, optimize=True, simplify=True, opset=12)

yolo export model=yolov8s.pt imgsz=640,640 format=onnx opset=12

代碼：

https://github.com/ultralytics/ultralytics/tree/v8.2.103/examples/YOLOv8-CPP-Inference

4.onnxruntime-gpu的yolov8推理?

工具

onnxruntime-win-x64-gpu-1.17.1

Opencv4.5.5

cudnn-windows-x86_64-8.5.0.96_cuda11-archive

其他設置在vs2019里面

符合模式和C++語言標準

?

代碼：

https://github.com/ultralytics/ultralytics/tree/v8.2.103/examples/YOLOv8-ONNXRuntime-CPP?