皮皮网

1.QT6 opensource安装详解
2.VTK&ITK在Windows上用CMake编译安装
3.Ubuntu - OpenCV-CUDA with CUDA 11.0 and OpenGL 详细流程
4.Qt实用技巧：在CentOS上使用linuxdeployqt打包发布qt程序
5.win10 cmake源码编译安装opencv（c++,源码qt）（解决ffmpeg下载失败导致opencv无法处理视频）
6.OpenCV OpenCV 源码编译并实现 CUDA 加速 (Windows)

QT6 opensource安装详解

       从QT官网下载开源版本时，请注意区分商业收费版本和开源免费版本。安装开源版本不易在官网页面上直接找到，源码通常需要在“尝试”选项下选择商用版本后，安装再在其他下载区域查找。源码

       下载链接请根据你的安装达人邀约系统源码系统类型选择对应的在线installer进行安装。然而，源码使用installer安装时会发现大部分版本都是安装5.x系列，最新版的源码qt6可能并未提供。此时可选择下载离线安装包，安装该包中仅提供5..x系列的源码安装包，其余版本需手动编译。安装

       在“Other downloads”部分，源码提供了Visual Studio的安装Add-in，同样未包含qt6版本。源码如果你在Windows系统上进行Qt开发，接下来将介绍Windows编译过程。

       首先，准备Windows编译环境。若使用cmake(GUI)构建时遇到错误“ERROR: C++ is required and is missing or failed to compile.”，请查阅相关文章获取解决方案。关键步骤包括：调用x Native Tools Command Prompt for VS ，以及在源码路径下执行特定命令。

       此外，还可能遇到错误“ERROR: Exactly one of NDEBUG and _DEBUG needs to be defined”。这时，需在configure.bat命令中添加-DNDEBUG参数。

VTK&ITK在Windows上用CMake编译安装

       在Windows操作系统上，使用CMake编译安装VTK和ITK，需要遵循以下步骤。

       首先，安装支持OpenGL的VTK。习惯使用CMake的GUI版本，除非需要自动化工作流时才使用CMD。将VTK源码文件夹解压，并在build目录下创建install-RelWithDebInfo目录。

       在CMake中设置源码文件夹和构建文件夹。点击Configure键进行初次设置，保持默认配置，点击Finish键。进度条完成后，pwa源码再次点击Configure键，可能出现红色选项，如果未出现错误，继续点击Configure键直到选项消失。

       点击Generate键生成构建文件。此时，虽然Open Project键被激活，但不建议直接点击，建议以管理员身份使用Visual Studio打开build文件夹下的VTK.sln文件，然后在生成菜单下选择批生成，选择ALL_BUILD，勾选所需配置后生成。

       ALL_BUILD生成过程可能耗时半小时左右。生成完成后，再次在生成菜单下选择批生成，取消ALL_BUILD的勾选。找到并勾选INSTALL，生成需要的配置，快速生成（约秒左右）。若生成过程显示“成功”，无失败信息，则基本无问题。

       接下来，安装支持VTK的ITK。将ITK源码文件夹解压，并在build目录下创建install-RelWithDebInfo目录。在CMake中设置源码文件夹和构建文件夹。点击Configure键进行初次设置，保持默认配置，点击Finish键。进度条完成后，再次点击Configure键，可能会出现错误提示，不必担心，这是提醒需设置VTK相关内容。

       在VTK安装路径下找到vtk-config.cmake文件（大致位于“/lib/cmake/vtk-9.3”下），将VTK_DIR设置为此路径。再次点击Configure键，可能再次出现红色选项，因为之前勾选了可选模块，存储源码现在出现了相关选项。再次点击Configure键，确保无红色选项。

       点击Generate键生成构建文件。之后，按照VTK安装流程，使用管理员模式下的Visual Studio打开ITK.sln，使用批生成依次生成ALL_BUILD和INSTALL。

       若在生成ALL_BUILD过程中出现几个失败，可能与可选模块有关。在生成日志中查找“error”信息，确定出现问题的模块，尝试解决（或在重新生成构建文件时，放弃勾选该出错模块）。

Ubuntu - OpenCV-CUDA with CUDA .0 and OpenGL 详细流程

       在Ubuntu上成功配置OpenCV-CUDA .0和OpenGL的过程相对顺利，参考了Windows上的相关教程。以下是详细的步骤：

       1. 准备阶段：

       - 下载OpenCV源码，从opencv_contrib的Releases页面找到对应版本并下载。

       - 安装CMake和CMake-GUI，推荐使用高版本CMake。

       2. 安装CUDA：

       - 访问NVIDIA CUDA下载页面，注意安装时要确保CUDA toolkit的runtime版本与驱动版本匹配，避免错误。

       - 按照提示安装，可能需要取消samples和documents选项。

       - 如果安装不成功，可能需要重新执行安装脚本并取消driver选项。

       3. 配置OpenCV：

       - 使用CMake-GUI配置，指定源码和build路径。

       - 遇到ippicv安装问题，手动下载并放置到指定目录，然后重新配置。

       - 增加CUDA模块，如添加OPENCV_EXTRA_MODULES_PATH，勾选CUDA支持，可能需要修改OpenCVDetectCUDA.cmake文件以处理nppicom库的移除。

       4. 安装其他依赖项：

       - 安装Eigen和GTK（如果需要OpenGL）。

       - 检查并安装gtkglext。

       - 勾选WITH_OPENGL选项。

       5. 构建与编译：

       - 生成Makefile，basicrnncell源码使用-j选项并设定线程数，等待编译完成。

       - 完成make后，确认OpenGL支持。

       6. 补充问题：

       - 如果CUDA driver版本与runtime不匹配，可通过更新驱动或卸载NVIDIA相关包解决。

       - Ubuntu .0版本的驱动问题，可通过软件更新添加或更换驱动解决显示器扩展问题。

       经过以上步骤，你就能在Ubuntu上成功配置并使用OpenCV-CUDA .0和OpenGL了。

Qt实用技巧：在CentOS上使用linuxdeployqt打包发布qt程序

       在CentOS上使用linuxdeployqt打包发布Qt程序，这一过程与Ubuntu或麒麟系统有相似之处，但也存在系统兼容性问题。文章详细介绍了CentOS8.2和CentOS7.5的发布流程，并强调了使用linuxdeployqt的好处。该工具能将应用程序所需的资源（如库、图形和插件）复制到一个包中，使其成为自包含的程序，可以作为AppDir或AppImage分发，也可以放入交叉分发包中。为了确保在不同系统上的一致性，linuxdeployqt特别适用于Qt应用程序的部署。

       使用linuxdeployqt需要访问其源代码下载地址。对于CentOS系统，文章提供了详细的编译步骤。首先，需要下载源码并解压。接着，修改源码，移除版本检查部分，以避免潜在的兼容性问题。确保系统中安装了CMake，这对于构建linuxdeployqt至关重要。在CentOS8.2中，CMake通常是预装的，而在CentOS7.5中，可能需要卸载系统自带的较旧版本，并使用源码安装较新版本，以确保正确编译。

       为了支持Qt的泸州源码依赖环境，步骤包括指定Qt库的路径，以及使用cmake-gui来配置依赖。这确保了linuxdeployqt能正确识别并打包Qt相关的库，避免运行时错误。配置完成后，通过生成generate文件和执行make命令完成编译。随后，将linuxdeployqt安装到系统目录，并进行测试以确认其正确性。

       打包Qt程序时，确保应用可执行文件和一个空目录准备就绪。使用环境变量设置，特别是通过source env.sh引入QT_DIR到系统路径中，确保打包过程能正确识别和使用Qt库。打包命令使用linuxdeployqt 可执行程序 -appimage，这一步骤将程序及其依赖库打包成一个独立的可执行文件。测试表明，使用此方法打包的Qt程序能在不同CentOS版本上成功运行，无需额外的库加载。

       为了验证这一过程在不同环境中的可靠性，文章介绍了在全新CentOS8.2系统上进行测试的过程。通过对比发现，使用linuxdeployqt -appimage打包的Qt程序能有效解决依赖库问题，确保程序在不同操作系统环境下均可正常运行。

win cmake源码编译安装opencv（c++,qt）（解决ffmpeg下载失败导致opencv无法处理视频）

       要使用Qt与Windows上的OpenCV，当默认的msvc版本不满足需求时，需要通过源码编译安装，并配合cmake工具。以下是详细的步骤：

       首先，下载OpenCV sources版本，同时确保已经安装了cmake编译工具，这里推荐选择对应版本的MinGW版本。在Qt的mingw环境中，需将mingw的bin路径（例如：D:\Programs\Qt\Qt5..\Tools\mingw_\bin）添加到环境变量，验证配置成功可通过在cmd中输入gcc -v。

       解压OpenCV到指定位置，创建一个build文件夹。使用cmake-gui，设置源码路径和build文件夹，配置为MinGW Makefiles。初次配置可能遇到问题，如ffmpeg下载失败，这时需要重命名ffmpeg.cmake为ffmpeg.txt，修改其中的下载地址为/。

       在cmake-gui中，勾选with_qt和with_opengl，取消opencv_enable_allocator_stats和与python相关的选项。如果需要python支持，可以使用pip安装。配置完成后，再次点击configure并生成makefile，确保所有路径正确。

       在build文件夹中，通过mingw-make -j（根据你的CPU核心数设置线程数，例如）开始编译，最后执行mingw-make install。安装后，别忘了将安装路径（如D:\Programs\opencv3.4.\build\install\x\mingw\bin）添加到系统环境变量。

       通过这些步骤，你就可以在Qt环境中成功安装并使用OpenCV处理视频了，无需担心ffmpeg下载失败的问题。

OpenCV OpenCV 源码编译并实现 CUDA 加速 (Windows)

       本文介绍了如何在Windows系统上使用OpenCV源码自行编译代码文件，实现CUDA加速，以满足对处理时间要求较高的场景。OpenCV是一个跨平台的计算机视觉和机器学习软件库，支持Linux、Windows、Android和Mac OS等操作系统。

       在实际使用中，OpenCV处理数据可能无法满足某些高速场景的需求，这时可以结合CUDA加速。为了实现CUDA加速，需要自行编译支持CUDA的依赖包。在本次文章中，我们将演示如何在Windows环境下使用CMake-gui + VS进行OpenCV源码的编译。

       首先，确保环境准备充分。本次编译平台是Windows 系统，使用CMake-gui + VS进行编译。需要下载两个源码，分别是opencv和opencv_contrib，并保证版本一致，本文使用的版本为4.8.0。将两个文件解压到同一文件夹下。

       然后，利用CMake创建并配置项目。在CMake软件中设置项目源码路径，并创建build文件夹，进行配置。在第一次配置后，输出编译平台选择，本文选择Visual Studio ，编译平台为x。配置中添加opencv_contrib模块引用，选择WITH_CUDA和OPENCV_DNN_CUDA，以及其他相关选项。配置完成后，检查异常并解决。

       在解决异常后，使用Visual Studio打开生成的OpenCV.sln解决方案文件，并运行ALL_BUILD项目。编译完成后，将获得包含依赖项的install文件夹和python_loader文件夹，用于支持Python API和C++ API的使用。

       项目编译完成后，通过cv2.cuda.getCudaEnabledDeviceCount()接口方法检查CUDA设备是否存在。输出结果为1，表明CUDA设备已正确安装，项目编译成功。

       总结，通过本文的步骤，实现了OpenCV源码编译并结合CUDA加速，提高了处理时间要求较高的场景的性能。后续将结合所编译的库进行项目开发与性能对比。

lightgbm-gpu安装-踩坑现场

       为了实现lightgbm的GPU支持，您需要准备一些必要的工具包并遵循特定的步骤。首先，您需要下载并安装cmake、boost和lightgbm。

       对于cmake，您可以从其官方网站下载最新版本。当您下载并安装了cmake后，请确保将boost库文件的路径进行适当的修改。

       接下来，使用git从github下载lightgbm源代码。在下载的文件夹中创建一个名为“build”的文件夹并进入，然后在该文件夹内创建一个空的CMakeList.txt文件。

       在命令行中，定位到“build”目录并运行以下命令进行配置和构建：

       cmake -A x -DUSE_GPU=1 -DBOOST_ROOT=D:/software_work_install/boost_1__0 -DBOOST_LIBRARYDIR=D:/software_work_install/boost_1__0/lib -DOpenCL_LIBRARY="C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v.0/lib/x/OpenCL.lib" -DOpenCL_INCLUDE_DIR="C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v.0/include" ..

       为了确保正确安装，参考链接提供了详细的cmake命令行安装指南以及安装SDK的步骤。执行上述命令后，您将看到“build”目录下生成了许多文件。

       接下来，通过执行命令“cmake --build . --target ALL_BUILD --config Release”，在“build/x”目录下生成“Release”文件夹。然后，通过命令“cd ..”回到上一层目录，进入“python-package”文件夹并执行“python setup.py install –-precompile”以完成安装。

       请注意，尽管您可能已经成功安装了GPU版本的lightgbm，但您在Jupyter中使用自己的代码时仍可能遇到缺少GPU的错误。这可能与依赖库的兼容性问题有关。因此，尽管您尝试了多次安装，但为了节省时间，您可能决定暂时放弃安装GPU版本的包。

       除了使用git clone和pip安装方式外，还有另一种方法是直接使用pip进行安装。您可以使用以下命令行命令：

       pip install lightgbm --install-option=--gpu --install-option="--boost-root=D:/software_work_install/boost_1__0" --install-option="--boost-librarydir=D:/software_work_install/boost_1__0/lib" --install-option="--opencl-include-dir=/usr/local/cuda/include/"

       如果您选择使用cmake GUI进行安装，步骤类似，但操作方式有所不同。通过GUI界面配置和生成构建文件后，您可能会遇到与版本兼容性相关的问题。

       安装过程可能会涉及一些挑战，例如确保所有依赖包的兼容性。在尝试解决安装问题时，可能会遇到各种错误和警告。在安装过程中遇到问题时，查看错误日志文件（如CMakeError.log）可能会提供进一步的线索和解决方案。

       请确保在安装过程中遵循正确的步骤和注意事项，并在遇到问题时查阅相关文档或论坛以寻求帮助。安装lightgbm GPU支持的完整过程可能涉及多个步骤和调整，确保您的开发环境与所有依赖库兼容至关重要。

使用CMAKEGUI和VS编译低版本库时遇到的问题

       在开发过程中，我曾尝试使用VS与CMakeLists.txt进行库编译，轻松实现不同平台工具集的切换，适用于多种项目需求。后来，我将此方法应用到CMAKE GUI中进行库编译。初始阶段，我遇到配置问题，CMake的configure环节无法通过。尝试多次后，包括重新安装msvc生成工具，安装WindowsSDK，检查msbuild目录，均未解决问题。

       经过一系列尝试，我发现调整配置步骤3的顺序可以解决配置问题。即先不指定平台工具集，之后在解决方案中调整平台工具集即可成功配置。问题根源在于步骤3直接指定平台工具集时，CMake会尝试寻找该平台对应的cl.exe文件。若找不到，CMAKE_CXX_COMPILER和CMAKE_C_COMPILER最终设置为unknown，导致配置失败。调整为先不指定平台工具集，避免了寻找cl.exe文件的步骤，进而通过了配置。

       根据以上经验，优化后的编译流程如下：

       1. 选择架构（例如x、arm等）

       2. 不指定平台工具集

       3. 生成解决方案

       4. 在解决方案中调整平台工具集

       5. 开始构建，然后进行安装

Cmake安装和生成opencv的解决方法

       Cmake安装步骤：

       首先，访问Cmake的官方下载页面，根据你的操作系统（如Windows-x_）选择适合的版本进行下载。

       下载完成后，将Cmake安装到任意位置，具体步骤这里不再赘述。

       运行和生成OpenCV解决方案：

       在安装目录的C:\cmake-3..0-windows-x_\bin下，找到并运行cmake-gui.exe。在界面中，点击"where is the source code"右侧的浏览按钮，定位到OpenCV源代码文件夹，通常是F:\opencv\sources。

       接着，选择"browse build"，指定解决方案生成的路径。点击"configure"进行第一次配置，选择你的编译IDE。如果配置无误，点击"finish"，配置完成后进入下一步。

       注意，如果路径包含中文字符，可能会出现警告，应避免这种情况。配置完成后，再次点击"configure"，默认设置即可，无需额外勾选或取消。

       完成第二次配置后，点击"generate"，等待"generating done"的提示，表示解决方案生成完成。此时，在之前指定的生成路径下，你会找到opencv.sln文件。

       打开解决方案资源管理器，你可以根据自己的需求选择和学习源代码。初次编译可能会出现错误，这是正常现象，因为ALL_BUILD默认为启动项，但不是可以直接执行的。只需在解决方案资源管理器中更改启动项目，问题即可解决。

       至此，Cmake生成OpenCV解决方案的全过程已顺利结束。