Openpose win10编译（Visual Studio2019）

谁借莪１个温暖的怀抱￠ 2021-09-30 02:30 672阅读 0赞

### Openpose win10编译（Visual Studio2019） ###

*  前言
 *  准备工作
 *   *  需求工具
     *  安装CUDA及cudnn
 *  编译VS工程
 *  项目测试

# 前言 #

Openpose 地址：[Openpose主页][Openpose]  
使用`git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose`下载openpose  
参考博客：[https://blog.csdn.net/zb1165048017/article/details/82115724，https://blog.csdn.net/m0\_37638031/article/details/78896818][https_blog.csdn.net_zb1165048017_article_details_82115724_https_blog.csdn.net_m0_37638031_article_details_78896818]

**【注】如果使用git时下载速度过慢，可以将openpose代码fork到国内的码云中后再`clone`代码**  
`git clone https://gitee.com/aydon/openpose.git`

# 准备工作 #

## 需求工具 ##

`CMake`，`Visual Studio 2019`,`CUDA`,`cudnn`  
在编写此文章时使用的版本为：  
`CMake`：3.15.0  
`CUDA`：10.1 [CUDA10.1下载][CUDA10.1]  
![CUDA下载][CUDA]  
![CUDA下载][CUDA 1]  
`cudnn`：cudnn-10.1-windows10-x64-v7.6.1.34，戳[这里][Link 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70]

## 安装CUDA及cudnn ##

`CUDA`下载完成后，点击执行`.exe`文件，接下来一直选择下一步即可。  
安装完成后打开`cmd`，输入`nvcc -V`，显示如下则安装成功。最后一行显示版本号，图中是10.1.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 1]  
打开`Visual sutdio`新建工程，选择`CUDA`模块  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 2]  
复制以下代码，替换`kernel.cu`下的内容

// CUDA runtime 库 + CUBLAS 库 
    #include "cuda_runtime.h" 
    #include "cublas_v2.h" 
    #include <time.h> 
    #include <iostream> 
     
    using namespace std;
    // 定义测试矩阵的维度 
    int const M = 5;
    int const N = 10;
    int main()
    { 
    	// 定义状态变量 
    	cublasStatus_t status;
    	// 在内存中为将要计算的矩阵开辟空间 
    	float *h_A = (float*)malloc(N*M * sizeof(float));
    	float *h_B = (float*)malloc(N*M * sizeof(float));
    	// 在 内存 中为将要存放运算结果的矩阵开辟空间 
    	float *h_C = (float*)malloc(M*M * sizeof(float));
    	// 为待运算矩阵的元素赋予 0-10 范围内的随机数 
    	for (int i = 0; i<N*M; i++) { 
    		h_A[i] = (float)(rand() % 10 + 1);
    		h_B[i] = (float)(rand() % 10 + 1);
    	}
    	// 打印待测试的矩阵 
    	cout << "矩阵 A :" << endl;
    	for (int i = 0; i<N*M; i++) { 
    		cout << h_A[i] << " ";
    		if ((i + 1) % N == 0) cout << endl;
    	}
    	cout << endl;
    	cout << "矩阵 B :" << endl;
    	for (int i = 0; i<N*M; i++) { 
    		cout << h_B[i] << " ";
    		if ((i + 1) % M == 0) cout << endl;
    	}
    	cout << endl;
    	/* ** GPU 计算矩阵相乘 */
    	// 创建并初始化 CUBLAS 库对象
    	cublasHandle_t handle;
    	status = cublasCreate(&handle);
    	if (status != CUBLAS_STATUS_SUCCESS)
    	{ 
    		if (status == CUBLAS_STATUS_NOT_INITIALIZED) { 
    			cout << "CUBLAS 对象实例化出错" << endl;
    		}
    		getchar();
    		return EXIT_FAILURE;
    	}
    	float *d_A, *d_B, *d_C;
    	// 在 显存 中为将要计算的矩阵开辟空间 
    	cudaMalloc(
    		(void**)&d_A, // 指向开辟的空间的指针 
    		N*M * sizeof(float) //　需要开辟空间的字节数 
    	);
    	cudaMalloc(
    		(void**)&d_B,
    		N*M * sizeof(float)
    	);
    	// 在 显存 中为将要存放运算结果的矩阵开辟空间 
    	cudaMalloc(
    		(void**)&d_C,
    		M*M * sizeof(float)
    	);
    	// 将矩阵数据传递进 显存 中已经开辟好了的空间 
    	cublasSetVector(
    		N*M, // 要存入显存的元素个数 
    		sizeof(float), // 每个元素大小 
    		h_A, // 主机端起始地址 
    		1, // 连续元素之间的存储间隔 
    		d_A, // GPU 端起始地址 
    		1 // 连续元素之间的存储间隔 
    	);
    	cublasSetVector(
    		N*M,
    		sizeof(float),
    		h_B,
    		1,
    		d_B,
    		1
    	);
    	// 同步函数
    	cudaThreadSynchronize();
    	// 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。 
    	float a = 1; float b = 0;
    	// 矩阵相乘。该函数必然将数组解析成列优先数组 
    	cublasSgemm(
    		handle, // blas 库对象 
    		CUBLAS_OP_T, // 矩阵 A 属性参数 
    		CUBLAS_OP_T, // 矩阵 B 属性参数
    		M, // A, C 的行数 
    		M, // B, C 的列数
    		N, // A 的列数和 B 的行数
    		&a, // 运算式的 α 值 
    		d_A, // A 在显存中的地址 
    		N, // lda 
    		d_B, // B 在显存中的地址 
    		M, // ldb 
    		&b, // 运算式的 β 值 
    		d_C, // C 在显存中的地址(结果矩阵) 
    		M // 
    	);
    	// 同步函数 
    	cudaThreadSynchronize();
    	// 从 显存 中取出运算结果至 内存中去
    	cublasGetVector(M*M, // 要取出元素的个数 
    		sizeof(float), // 每个元素大小 
    		d_C, // GPU 端起始地址 
    		1, // 连续元素之间的存储间隔 
    		h_C, // 主机端起始地址
    		1 // 连续元素之间的存储间隔 
    	);
    	// 打印运算结果 
    	cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;
    	for (int i = 0; i<M*M; i++) { 
    		cout << h_C[i] << " ";
    		if ((i + 1) % M == 0) cout << endl;
    	}
    	// 清理掉使用过的内存 
    	free(h_A);
    	free(h_B);
    	free(h_C);
    	cudaFree(d_A);
    	cudaFree(d_B);
    	cudaFree(d_C);
    	// 释放 CUBLAS 库对象
    	cublasDestroy(handle);
    	getchar();
    	return 0;
    }

右键解决方案名打开属性，在`VC++`目录中加入变量：  
包含目录为：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include`  
库目录为：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib`  
**【注】如果是默认安装CUDA，那么目录就是这个。如果自定义安装的话，选择你安装时的路径名。**  
配置属性–>链接器–>输入–>附加依赖中添加库文件：  
cublas.lib  
cuda.lib  
cudadevrt.lib  
cudart.lib  
OpenCL.lib  
cudnn.lib  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 3]  
添加完成后不要忘记点击应用按钮。  
按F5运行，得到结果，则CUDA安装成功。

**接下来安装cudnn**  
将解压下来的文件中的所有内容（即cudnn中的这三个文件夹）复制到`CUDA`文件夹中即可![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 4]  
复制代码，替换`kernel.cu`中的内容

#include <iostream>
    #include <cuda_runtime.h>
    #include <cudnn.h>
    using namespace std;
     
    void main() { 
    	cudnnHandle_t handle;
    	cudnnStatus_t t = cudnnCreate(&handle);
    	cout << cudnnGetErrorString(t);
    	getchar();
    }

右键选择解决方案名，选额`CUDA C/C++`中的`Device`将第一个修改为**是**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 5]  
点击`F5`运行代码，成功则安装完成。

# 编译VS工程 #

在`openpose`文件夹中创建`bulid`文件夹：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 6]  
设置`CMake`路径  
![在这里插入图片描述][20190722121417349.png]  
![在这里插入图片描述][20190722121558783.png]  
【注】如果第一次点击`Configure`爆红的话是正常现象，在重新点击一个`Configure`就可以了，直到全部变白为止

如果点击`Open Project`无反应的话就找到`openpose`下的`bulid`文件夹中的`OpenPose.sln`，并用`Visual Studio 2019`打开  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 7]  
打开解决方案，选择`ALL_BUILD`，右键点击生成  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 8]

# 项目测试 #

选择`Examples`文件夹下的其中一个例子，右键设为启动项后点击使用`F5`运行  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 9]

[Openpose]: https://github.com/CMU-Perceptual-Computing-Lab/openpose
[https_blog.csdn.net_zb1165048017_article_details_82115724_https_blog.csdn.net_m0_37638031_article_details_78896818]: https://blog.csdn.net/zb1165048017/article/details/82115724%EF%BC%8Chttps://blog.csdn.net/m0_37638031/article/details/78896818
[CUDA10.1]: https://developer.nvidia.com/cuda-downloads
[CUDA]: /images/20210923/2e34f80940b54772b1b04f0677af2dda.png
[CUDA 1]: /images/20210923/0094a0b35ff648a19af79ceeedc3cf82.png
[Link 1]: https://developer.nvidia.com/rdp/cudnn-download
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70]: /images/20210923/d80794168cf04cc882795fa8c2cc9011.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 1]: /images/20210923/f5ea6bf4f51543648f54b8e110bd5dd3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 2]: /images/20210923/22df616916174c7581931f662c93611c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 3]: /images/20210923/31630edd68384c8ea55fa24f78607f34.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 4]: /images/20210923/1f93993d352148ec879314108ed2daa5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 5]: /images/20210923/8879626b13b244fdb1c206330f605b15.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 6]: /images/20210923/6178e393bab9468c9991c32d46cbc566.png
[20190722121417349.png]: /images/20210923/e3655815bd3748bc89c9c0443773a7e3.png
[20190722121558783.png]: /images/20210923/84bf13561e3443afae03753a6af788e0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 7]: /images/20210923/bdb0fb22888141e7aa5929e3e6b6de24.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 8]: /images/20210923/3109dfa0cc58444a88521f7d21d8e4e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDQ0ODE0MA_size_16_color_FFFFFF_t_70 9]: /images/20210923/88277e32767c4073bb7f20cb7e063155.png