### 安装带有 GPU 支持的 OpenCV 4.2.0 为了在 Ubuntu 20 上成功安装并配置带有 GPU 支持的 OpenCV 4.2.0，需遵循一系列特定的操作流程。 #### 准备工作 确保已正确安装 NVIDIA 显卡驱动以及 CUDA 工具包。对于 Ubuntu 18.04 的情况，有专门针对 TensorFlow/Keras GPU 版本的安装指南可供参考[^1]；尽管目标操作系统不同，但基础步骤相似。确认所使用的硬件兼容性，并检查当前系统中的 CUDA 版本与显卡型号是否匹配[^2]。 #### 下载源码 前往官方 GitHub 页面获取指定版本（即 4.2.0）的 OpenCV 及其扩展模块 (opencv_contrib)，这一步骤至关重要因为某些功能仅存在于 contrib 包内[^3]。 ```bash git clone https://github.com/opencv/opencv.git -b 4.2.0 git clone https://github.com/opencv/opencv_contrib.git -b 4.2.0 ``` #### 创建虚拟环境 推荐创建 Python 虚拟环境来隔离项目依赖关系，保持开发环境整洁有序。可以利用 `venv` 或者 Anaconda 来完成此任务。 ```bash python3 -m venv my_env source my_env/bin/activate ``` #### 编译选项设置 使用 CMake 进行构建前配置时，务必开启对 CUDA 和 cuDNN 库的支持参数： ```cmake -D WITH_CUDA=ON \ -D WITH_CUDNN=ON \ -D OPENCV_DNN_CUDA=ON \ -D ENABLE_FAST_MATH=ON \ -D CUDA_ARCH_PTX="" \ -D CUDA_ARCH_BIN="6.1,7.0,7.5" \ # 根据实际设备调整架构编号 ``` 上述命令片段展示了部分常用的 cmake 参数设定方式，其中 `-D CUDA_ARCH_BIN` 后面跟的是目标 GPU 架构列表，应依据个人计算机的具体情况进行适当修改。 #### 执行编译过程 当所有准备工作完成后，执行如下指令启动编译进程： ```bash make -j$(nproc) sudo make install ``` 以上就是关于如何在较新的 Linux 发行版如 Ubuntu 20 中部署带 GPU 加速特性的 OpenCV 4.2.0 的指导说明。