VS2015搭建NCNN开发环境

简介: VS2015搭建NCNN开发环境

一、简介

NCNN的编译依赖OpenCV和Protobuf,所以需要总共需要安装OpenCV、Protobuf和NCNN三个东西。

二、安装OpenCV

1、下载OpenCV  Releases - OpenCV  一般选择最新版,这里以3.4.16为例。

2、选择喜欢的目录安装,这里以E:/soft-setup为例,安装之后生成下面几个文件。

3、添加path(vs2015对应:E:\soft-setup\opencv\build\x64\vc14\bin;vs2017对应:E:\soft-setup\opencv\build\x64\vc15\bin)到环境变量中,重启电脑生效。

4、打开VS2015,新建一个C++项目,点击属性管理器。

右键Release | x64属性,因为下面的ncnn,Debug | x64可能会有问题。

下图中的“包含目录”填写:

E:\soft-setup\opencv\build\include
E:\soft-setup\opencv\build\include\opencv
E:\soft-setup\opencv\build\include\opencv2

“库目录”填写:

E:\soft-setup\opencv\build\x64\vc14\lib


下图中的“附加依赖项”填写:

opencv_world3416.lib

4、写个demo,运行一下,OpenCV安装成功。

#include "stdafx.h"
#include <opencv.hpp>
using namespace cv;
 
int main()
{
  Mat srcImage;
  srcImage = imread("1.jpg");
  imshow("显示图像", srcImage);
  waitKey();
  return 0;
}

三、编译Protobuf

1、安装CMake

 下载 Download | CMake

2、下载并解压:protobuf-3.4.0 https://github.com/google/protobuf/archive/v3.4.0.zip

打开CMake-GUI:cmd执行cmake-gui

设置 源文件目录:E:/soft-setup/protobuf-3.4.0/cmake

设置 目标文件目录:E:\soft-setup\protobuf-3.4.0\buildvs1

点击 Configure:选择VS2015 Win64->Finish

不勾选:protobuf_BUILD_TESTS和protobuf_MSVC_STATIC_RUNTIME

点击 Add Entry:CMAKE_BUILD_TYPE=Release

修改(可选):CMAKE_CONFIGURATION_TYPES=Release

修改:CMAKE_INSTALL_PREFIX=./install

再点2次 Configure

点击 Generate


3、打开VS2015:

打开 目标文件目录(E:\soft-setup\protobuf-3.4.0\buildvs1)中的工程文件(protobuf.sln),编译其中的INSTALL项目。解决方案-INSTALL-生成。

四、编译NCNN

1、下载并解压:ncnn https://github.com/Tencent/ncnn/archive/master.zip

2、打开CMake-GUI:cmd执行cmake-gui

       设置 源文件目录:E:\soft-setup/ncnn-master

       设置 目标文件目录:E:\soft-setup/ncnn-master/build/

       点击 Configure:选择VS2015 Win64->Finish

       点击 Add Entry:Protobuf_LIBRARIES=E:/soft-setup/protobuf-3.4.0\buildvs1\install\lib\libprotobuf.lib

       点击 Add Entry:Protobuf_INCLUDE_DIR=E:/soft-setup/protobuf-3.4.0\buildvs1\install\include

       点击 Add Entry:Protobuf_PROTOC_EXECUTABLE=E:/soft-setup/protobuf-3.4.0\buildvs1\install\install/bin/protoc.exe

       修改(可选):CMAKE_CONFIGURATION_TYPES=Release

       修改:Protobuf_SRC_ROOT_FOLDER=E:/soft-setup/protobuf-3.4.0/src

       再次点击 Configure

       点击 Generate

95b4d519a3004d8dbdf51db2507714ea.png

3、打开VS2015:

打开 目标文件目录(E:\soft-setup/ncnn-master/build/)中的工程文件(ncnn.sln),编译其中的INSTALL项目即可。

编译结束后,在目标文件目录的install和tools目录下,即可看到编译好的文件。至此,ncnn编译完成。


4、打开VS2015,点击属性管理器, 右键Release | x64属性。


下图中的“包含目录”添加:

E:\soft-setup\ncnn-master\build\install\include\ncnn

“库目录”添加:

E:\soft-setup\ncnn-master\build\install\lib

“Windows运行库目录”添加:

E:\soft-setup\ncnn-master\build\install\bin

下图中的“附加依赖项”添加:

ncnn.lib

5、写个demo,运行一下,大功告成。

#include "stdafx.h"
#include <opencv2/highgui/highgui.hpp>
#include <vector>
#include "net.h"
#include <stdio.h>
 
using namespace std;
 
 vector<float> get_output(const ncnn::Mat& m)
 {
  vector<float> res;
  for (int q = 0; q<m.c; q++)
  {
    const float* ptr = m.channel(q);
    for (int y = 0; y<m.h; y++)
    {
      for (int x = 0; x<m.w; x++)
      {
        res.push_back(ptr[x]);
      }
      ptr += m.w;
    }
  }
  return res;
 }
 
int main()
{
  cv::Mat img = cv::imread("1.jpg");
   int w = img.cols;
   int h = img.rows;
 
   ncnn::Mat in = ncnn::Mat::from_pixels_resize(img.data, ncnn::Mat::PIXEL_BGR, w, h, 224, 224);
 
   ncnn::Net net;
   net.load_param("mobilenetv2.param");
   net.load_model("mobilenetv2.bin");
   ncnn::Extractor ex = net.create_extractor();
   ex.set_light_mode(true);
   ex.set_num_threads(4);
 
   ex.input("x", in);
   ncnn::Mat feat;
   ex.extract("y", feat);
   vector<float> res = get_output(feat);
   vector<float>::iterator max_id = max_element(res.begin(), res.end());
   printf("predicted class: %d, predicted value: %f", max_id - res.begin(), res[max_id - res.begin()]);
   net.clear();
   return 0;
}

相关文章
|
6月前
Minecraft Forge部署以及部署时可能出现的问题以及解决方案
Minecraft Forge部署以及部署时可能出现的问题以及解决方案
194 0
|
6月前
|
开发工具 Windows
搭建 Qt 开发环境
搭建 Qt 开发环境
|
并行计算 计算机视觉 C++
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(一)
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(一)
1002 0
|
6月前
|
TensorFlow 算法框架/工具 Python
tensorflow从开发环境迁移到生产环境
tensorflow从开发环境迁移到生产环境
|
Linux C++ iOS开发
InsCode 搭建 C/C++ 开发环境
InsCode 搭建 C/C++ 开发环境
269 0
|
并行计算 C++ Windows
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(二)
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(二)
940 0
|
Web App开发 IDE 测试技术
WebUI自动化环境搭建
WebUI自动化环境搭建
273 0
WebUI自动化环境搭建
|
iOS开发
iOS项目环境基本搭建
iOS项目环境基本搭建
126 0
iOS项目环境基本搭建
|
机器人 jenkins 测试技术
RobotFramework基础篇-环境搭建
Robotframework(通常简称RF,在下文中都将用RF代替)是一个关键字驱动的自动化测试框架,底层是基于Python语言实现的。
RobotFramework基础篇-环境搭建
|
开发工具 C语言 Windows
恒玄BES2300开发编译环境搭建
恒玄BES2300开发编译环境搭建
469 0
恒玄BES2300开发编译环境搭建
下一篇
无影云桌面